Beruflich Dokumente
Kultur Dokumente
POPULÄR
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der
Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über
<http://dnb.d-nb.de> abrufbar.
Katja Biermann
Technische Universität Berlin
Institut für Mathematik
Straße des 17. Juni 135
10623 Berlin
E-Mail: biermann@math.tu-berlin.de
1. Auflage 2010
Alle Rechte vorbehalten
© Vieweg+Teubner |GWV Fachverlage GmbH, Wiesbaden 2010
Lektorat: Ulrike Schmickler-Hirzebruch | Nastassja Vanselow
Vieweg+Teubner ist Teil der Fachverlagsgruppe Springer Science+Business Media.
www.viewegteubner.de
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede
Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne
Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für
Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung
und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem
Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen
im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und
daher von jedermann benutzt werden dürften.
Layout und Satz: Christoph Eyrich, Berlin
Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg
Druck und buchbinderische Verarbeitung: MercedesDruck, Berlin
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier.
Printed in Germany
ISBN 978-3-8348-0733-5
Vorwort
Liebe Leserin, lieber Leser, Mathematik ist überall, sie ist jedoch
meistens unsichtbar. Dieses Buch will die Augen öffnen für „den
mathematischen Blick auf die Welt“. Ausgehend von praktischen
Fragestellungen nehmen wir Sie mit auf eine Entdeckungsreise zu
mathematischen Herausforderungen. Diese sind als Aufgaben for-
muliert, die für jeden verständlich sind.
Die Aufgaben stammen aus den sehr erfolgreichen mathema-
tischen Adventskalendern (www.mathekalender.de), die das DFG-
Forschungszentrum Matheon „Mathematik für Schlüsseltechno-
logien“ in Berlin seit 2004 jährlich für die Klassenstufen 9–13 und
viele andere Mathematikinteressierte veranstaltet. Hierbei wird im
Dezember täglich eine Aufgabe freigeschaltet, die einen Aspekt der
aktuellen Forschung des Matheon zugänglich macht. Dieser Wett-
bewerb hatte in den letzten Jahren jeweils fast 10 000 Teilnehmerin-
nen und Teilnehmer, die mit großem Vergnügen jeden Abend neue
Aufgaben lösten. Der erstaunliche Erfolg des Mathekalenders bei
Jung und Alt war der Anlass, die besten Aufgaben neu zu formulie-
ren, mit ausführlichen Erklärungen zu dem jeweiligen Praxisbezug
zu versehen und in diesem Buch zu veröffentlichen.
Besser als Mathe. „Besser als Mathe“ war die Fragebogenantwort ei-
nes Schülers der 8. Klasse nach einer Unterrichtseinheit zur Opti-
mierung von Telefonnetzen.1 Diese positive Überraschung über eine
Art von Mathematik, die etwas mit der Lebenswelt und dem Alltags-
geschehen zu tun hat, wollen wir mit diesem Buch weitertragen.
v
Vorwort
Für wen ist das Buch? Dieses Buch soll neugierig machen auf ange-
wandte Mathematik. Es soll zeigen, wo sich Mathematik in unserem
Leben verbirgt, und es soll diese Mathematik erfahrbar machen. Da-
her richtet sich das Buch an eine breite Leserschaft, angefangen von
Jugendlichen ab der 9. Klasse über interessierte Erwachsene bis hin
zu Lehrenden an Sekundarstufen, Hochschulen und Universitäten.
Dieses Buch nutzen. Man kann das Buch auf zweierlei Weise nut-
zen: Als Herausforderung zum selbstständigen Lösen der Aufga-
ben oder als Lesebuch zur angewandten Mathematik, je nachdem,
ob man sich selbst auf die Suche nach eigenen Lösungsansätzen
macht, oder ob man die Lösungen als Lehrstücke und Anregungen
für die Anwendung von Mathematik liest. Wie in den Adventska-
lendern üblich, gibt es für jede Aufgabe verschiedene Antwortmög-
lichkeiten zur Auswahl. Dort verbergen sich häufig schon Hinweise
auf einen Lösungsansatz. Alle Aufgaben sind als Problemlösungs-
aufgaben konzipiert, deren Bearbeitung vielfältige mathematische
Kompetenzen fördert und gleichzeitig Anwendungskenntnisse ver-
mittelt.
Das Buch ist in sieben Kapitel gegliedert, die sich jeweils mit
einem Thema aus der Lebenswelt beschäftigen. Das letzte Kapitel
ist ein „Bonuskapitel“ mit Aufgaben, die einen sehr kurzen Auf-
vi
Vorwort
Dank. Die Entstehung dieses Buches ist das Ergebnis einer Zusam-
menarbeit Vieler. Erhard Zorn hatte die Idee zum mathematischen
Adventskalender. Zusammen mit Sabina Jeschke und Christine von
Renesse hat er die Urform dieses Wettbewerbs für Ingenieurstuden-
ten der TU Berlin entwickelt. Aus dieser ist dann der jetzige Ad-
ventskalender hervorgegangen. Ihnen gebührt ein besonderer Dank.
Wir danken all jenen, die an den Adventskalendern und an die-
sem Buch mitgewirkt haben. Es sind dies so viele Personen aus
den Trägerinstitutionen des DFG-Forschungszentrums Matheon
(Freie Universität Berlin, Humboldt-Universität zu Berlin, Techni-
sche Universität Berlin, Weierstraß-Institut Berlin und Zuse-Institut
Berlin), dass wir sie hier nicht alle nennen können. Wir möchten je-
doch den Einsatz der an das Matheon abgeordneten Lehrerinnen
und Lehrer besonders erwähnen, die Jahr für Jahr die redaktionelle
Arbeit des Adventskalenderteams unterstützen.
vii
Inhalt
Vorwort v
Musik einpacken 3
Andreas Loos
Molekülbillard 17
Martin Weiser
Stein–Schere–Papier 23
Boris Springborn
Mathematik in Bewegung
ix
Mathematik komplett technologisch
x
Lagenwechsel minimieren –
oder das Bohren von Löchern in Leiterplatten 161
Martin Grötschel, Thorsten Koch und Nam Dũng Hoàng
Optionsbewertung 187
John Schoenmakers
xi
Mathematik auf die Schnelle
Knoten 239
John M. Sullivan
Dachkunst 243
Ulrich Reitebuch und Christian Schulz
102009 ? 249
Serhiy Yanchuk und Leonhard Lücken
Stichwortverzeichnis 253
xii
Mathematik ganz freizeitlich
Musik einpacken
Andreas Loos
Wer schon einmal Nudeln selbst gemacht hat, der weiß: Frische
Pasta kann ganz schön pappen. Das ist ein Problem für die Nudel-
industrie, denn es ist nicht leicht, mit unregelmäßigen und kleb-
rigen Nudel-Klumpen 500-Gramm-Beutel genau zu füllen. Einige
Hersteller verwenden daher „Teilmengenwaagen“. Die besitzen bis
zu hundert kleine Waagschalen, die über ein Förderband mit jeweils
ungefähr 50 Gramm Nudel-Klumpen befüllt werden. Dann kommt
Mathematik ins Spiel: Ein Computer wählt die zehn Waagschalen
aus, deren Inhalt zusammen die 500 Gramm genau erreicht, und
leert sie in einen Beutel aus.
Mathematiker nennen das Problem, das der Computer dabei am
laufenden Band löst, ein Subset-Sum-Problem („Summe aus Teilmen-
gen“). Die Aufgabe besteht im Kern darin, in einer gegebenen Men-
ge von Zahlen diejenigen Zahlen herauszusuchen, die aufsummiert
genau eine gegebene Zahl ergeben.
Mal ein Beispiel: Nehmen wir an, die gegebene Menge M enthält
alle Primzahlen zwischen 1 und 100, also
3
Mathematik ganz freizeitlich
4
Musik einpacken
Antwortmöglichkeiten
1. keinen 6. 5 Songs
2. 1 Song 7. 6 Songs
3. 2 Songs 8. 7 Songs
4. 3 Songs 9. 8 Songs
5. 4 Songs 10. 9 Songs
5
Mathematik ganz freizeitlich
Tabelle 1. Lieblingslieder
6
Musik einpacken
Lösung
Soll heißen: Wir maximieren den Wert, wobei die Summe über die
Gewichte der mitgenommenen Gegenstände G nicht überschreiten
darf. Die xi kann man sich wie Schalter vorstellen, die den jewei-
ligen Gegenstand ein- oder ausschalten. Geometrisch beschreiben
diese Formeln einen Körper in einem n-dimensionalen Raum, das
7
Mathematik ganz freizeitlich
11
Maximiere ∑ xi unter Berücksichtigung von
i =1
11
∑ δi xi ≤ 39,2 − 31,7 MByte = 7,5 MByte, wobei xi ∈ {0, 1}.
i =1
8
Zum Glück gibt es Garantie!
Volker Mehrmann
2x + 2y = 2,
3x − 3y = 0.
9
Mathematik ganz freizeitlich
10
Zum Glück gibt es Garantie
dar.
◦ Er rundet dann auf die zweite Nachkommastelle nach den
üblichen Rundungsregeln. Er betrachtet dazu nur die dritte
Nachkommastelle. (Im mathematischen heißt dies, man run-
det auf zwei gültige Stellen.)
Beispiele:
11
Mathematik ganz freizeitlich
Was erhält der Einkäufer bei dieser Rechnung als Kosten für ei-
ne Playstation, ein Gameboyspiel und ein Tamagotchi (in vollen
Euro)?
Antwortmöglichkeiten
12
Zum Glück gibt es Garantie
Lösung
(a) Die Einkäufe des ersten Tages können wie folgt geschrieben
werden:
13
Mathematik ganz freizeitlich
14
Zum Glück gibt es Garantie
15
Molekülbillard
Martin Weiser
17
Mathematik ganz freizeitlich
18
Molekülbillard
19
Mathematik ganz freizeitlich
Antwortmöglichkeiten
1. 0,0003 6. 0,1
2. 0,001 7. 0,3
3. 0,003 8. 1
4. 0,01 9. 3
5. 0,03 10. 10
20
Molekülbillard
Lösung
Wenn eine Kugel nicht genau entlang der Diagonale gestoßen wird,
sondern in einem abweichenden Winkel α, so trifft sie die nächs-
te Kugel nicht zentral, wodurch diese in einem Winkel β ange-
stoßen wird. In der Abbildung 4 sind die Größen L = 50 cm und
r = 2, 86 cm bekannt, α wird als gegeben vorausgesetzt. Dann gilt:
d = t sin α
= ( L − s) sin α
= L − 4r2 − d2 sin α
d
L− = 4r2 − d2
sin α
Quadrieren beider Seiten führt auf eine quadratische Gleichung für
d, mit der relevanten Lösung
L − L2 − (1 + (sin α)2 )( L2 − 4r2 )
d= . (1)
sin α + sin1 α
21
Mathematik ganz freizeitlich
3.5
Bahnabstand 3. Kugel
3
2.5
1.5
0.5
0
0 0.005 0.01 0.015 0.02 0.025 0.03
d d
sin β = = √ ,
s 4r − d2
2
also mittels (1) sin β in Abhängigkeit von sin α. So können wir aus
dem Anfangswinkel α1 nacheinander die Winkelabweichungen α2
und α3 berechnen. Schließlich ist die Bahnabweichung der letzten
Kugel beim Erreichen der Tasche 1 m sin α3 . Damit die Kugel tat-
sächlich in die Tasche fällt, darf die Bahnabweichung nicht mehr
als 2,64 cm betragen (die Hälfte der Differenz von Taschenbreite
und Kugeldurchmesser). Anhand der Abbildung 5 ist ersichtlich,
dass die Winkelabweichung der ersten Kugel nur rund 0,025 Grad
betragen darf.
22
Stein–Schere–Papier
Boris Springborn
Wie gewinnt man im Spiel? Die Analyse von Strategien bei Ge-
sellschaftsspielen ist ein Thema der mathematischen Spieltheorie.
Mit ihren Methoden kann man aber nicht nur Spiele wie Schach
oder Skat untersuchen, sondern auch verschiedenste Konfliktsitua-
tionen, bei denen das Schicksal jedes einzelnen Akteurs nicht nur
vom eigenen Verhalten abhängt, sondern auch vom Verhalten der
anderen, die ebenso wie er versuchen, ein für sie selbst möglichst
positives Ergebnis herauszuschlagen. Die Spieltheorie hat großen
Einfluss in den Wirtschaftswissenschaften. Auch in der Psycholo-
gie, Soziologie, Biologie und der Militärwissenschaft findet sie An-
wendung. In der folgenden Aufgabe geht es aber tatsächlich um ein
Spiel, und zwar um ein sehr einfaches, das jeder kennt. Trotzdem
ist die Lösung nicht ganz einfach, und wer sie findet, hat schon die
eine oder andere grundlegende Idee der Spieltheorie verstanden.
Der Weihnachtsmann und der Osterhase spielen gern Stein–
Schere–Papier (ohne „Brunnen“). Wer ein Spiel gewinnt, bekommt
vom Verlierer eine Marzipankartoffel. Allerdings kann der Osterha-
se mit seinen Pfoten nur Stein und Papier, aber nicht Schere ma-
chen. Beide wissen das, reden aber nicht darüber. Der Weihnachts-
mann ist also im Vorteil, weil er die Wahl zwischen Stein, Schere
und Papier hat. Die Frage ist: Wie groß ist dieser Vorteil? Genau-
er: Wie viele Marzipankartoffeln macht der Weihnachtsmann im
Durchschnitt pro Spiel plus, wenn beide optimal spielen?
Antwortmöglichkeiten
1 1 1
1. 2 5. 4 9. 9
3 2
2. 1 6. 4 10. 9
1 1
3. 3 7. 6
2 5
4. 3 8. 6
23
Mathematik ganz freizeitlich
Lösung
Der Ausgang einer Spielrunde hängt nicht vom Ausgang der vorhe-
rigen Spielrunden ab; es macht also keinen Sinn, die Entscheidung
für Stein, Schere oder Papier vom bisherigen Spielverlauf abhän-
gig zu machen. Auch sonst gibt es keine äußeren Einflüsse, die zu
berücksichtigen wären. Es bleibt folglich für jeden Spieler vernünf-
tigerweise nichts anderes übrig, als sich in jeder Spielrunde zufällig
für einen der möglichen Spielzüge zu entscheiden. Die Spieler, in
diesem Fall Weihnachtsmann und Osterhase, können sich aber aus-
suchen, mit welchen Wahrscheinlichkeiten sie sich jeweils für Stein,
Schere oder Papier bzw. für Stein oder Papier entscheiden. Aus so ei-
ner Wahrscheinlichkeitsverteilung besteht die Strategie eines Spie-
lers. Tatsächlich sind, wie wir sehen werden, verschiedene Strategi-
en unterschiedlich gut.
Zunächst stellen wir fest, dass es für den Weihnachtsmann un-
sinnig ist, Stein zu spielen, weil er damit nicht gewinnen kann.
Bezeichnen wir also die Wahrscheinlichkeit, dass der Weihnachts-
mann Schere spielt, mit pW Schere
, und die Wahrscheinlichkeit, dass er
W
Papier spielt, mit pPapier . Der Osterhase spiele Stein und Papier mit
den Wahrscheinlichkeiten pO O
Stein und pPapier . Dann ist nach den Re-
geln der Wahrscheinlichkeitsrechnung der zu erwartende Gewinn
(in Marzipankartoffeln) für den Weihnachtsmann
EW = − 1 · pW
Schere pStein + 1 · pSchere pPapier
O W O
+ 1 · pW
Papier pStein + 0 · pPapier pPapier .
O W O
24
Stein–Schere–Papier
EW = − 1 + 2 pW
Papier + 2 pPapier − 3 pPapier pPapier
O W O
EW = − 1 + 2 pW
Papier + pPapier (2 − 3 pPapier ).
O W
Uns interessieren nun drei Fälle, nämlich, ob der Wert der Klammer
größer als, gleich oder kleiner als 0 ist. Davon hängt nämlich ab, was
die beste Gegenstrategie des Osterhasen ist.
2
Papier < 3 . Dann ist 2 − 3 pPapier > 0; und die beste
Fall 1. pW W
1
EW = − 1 + 2 pW
Papier < .
3
2
Papier > 3 . Dann ist 2 − 3 pPapier < 0; und die beste Ge-
pW
Fall 2. W
1
EW = − 1 + 2 pW
Papier + 2 − 3 pPapier = 1 − pPapier <
W W
.
3
2
Papier = 3 . Dann ist 2 − 3 pPapier = 0; und somit
pW
Fall 3. W
2 1
EW = − 1 + 2 · = ,
3 3
egal was der Osterhase für eine Strategie hat.
Die optimale Strategie für den Weihnachtsmann ist also, mit Wahr-
scheinlichkeit 13 Schere und mit Wahrscheinlichkeit 23 Papier zu
25
Mathematik ganz freizeitlich
26
Mathematik in Bewegung
Katz und Maus
Peter Deuflhard und Anton Schiela
„Da bin ich ja gerade nochmal davongekommen!“ Mathy die Maus saß in
der Ecke des Mauseloches und erholte sich von ihrem Schreck.
– Was war denn los, Mathy?
– Die Katze hätte mich fast erwischt. Um Haaresbreite bin ich noch ent-
kommen.
– Erzähl mal!
– Ich saß da vorne an dem Stein, also ziemlich genau einen Meter vom
Mauseloch entfernt, als ich sah, wie die Katze sich anschlich. Das Mau-
seloch war genau vor mir, die Katze genau links von mir. Wir sahen uns
kurz an, dann liefen wir gleichzeitig los. Ich immer geradeaus zum Loch,
die Katze immer genau auf mich zu.
– Gut, dass du so nah am Loch warst, denn Katzen können doppelt so
schnell laufen wie Mäuse.
– Und gut, dass die Katze nicht näher dran war als ich sie sah. Wäre sie
auch nur ein bisschen näher gewesen, hätte sie mich gefangen. Hmm, wie
weit wird sie am Anfang wohl entfernt gewesen sein?
Wie weit war die Katze von Mathy entfernt, als Mathy sie sah?
Antwortmöglichkeiten
1. 1,00 m 6. 1,50 m
2. 1,10 m 7. 1,60 m
3. 1,20 m 8. 1,70 m
4. 1,30 m 9. 1,80 m
5. 1,40 m 10. 1,90 m
29
Mathematik in Bewegung
Tipp. Spiele die Jagd auf Papier nach, indem Du beide schrittwei-
se hüpfen läßt. Die Katze darf dabei doppelt so weit hüpfen wie
die Maus. Probiere verschiedene Hüpfweiten für die Maus aus. So
kannst Du den Abstand zwar nicht exakt, aber doch genau genug
berechnen, um die richtige Antwort auszuwählen.
PS: Wie jede Parabel aus dem Tierreich hat auch diese Geschichte
einen ernsten Hintergrund.
30
Katz und Maus
Lösung
31
Mathematik in Bewegung
Abbildung 1. Bahn von Katze und Maus mit verschiedenen Schrittweiten nachgespielt
32
Katz und Maus
zen im Folgenden die erste Variante. Die Katze hat also einen kleinen
Nachteil.
Nachdem Katze und Maus ihre neuen Positionen eingenommen
haben, können wir die Hüpfprozedur wiederholen. Das machen wir
nun so lange, bis die Katze ganz in der Nähe der Maus ist. Wenn wir
so weit sind, können wir mit ein bisschen Augenmaß schon ziem-
lich gut bestimmen, wo die Katze die Maus gefangen hätte (wenn
da nicht schon das Loch gewesen wäre). Je nachdem, wie groß die
Sprünge von Katze und Maus waren bekommen wir so eine Schät-
zung. Bei großen Sprüngen ist sie noch ungenau, aber wenn wir vie-
le kleine Hüpferchen machen (meine persönliche Empfehlung 1 cm
für die Maus und entsprechend 2 cm für die Katze), dann können
wir bald abschätzen, dass Katze und Maus sich ungefähr nach einer
Entfernung s ≈ 13–14 cm auf dem Papier treffen.
In Abbildung 2 sieht man das sehr schön. Wenn die Maus (blau)
bei 13 cm ist, befindet sich die Katze (rot) ungefähr bei 12,5 cm. Jetzt
laufen beide ungefähr in die gleiche Richtung, die Katze aber dop-
pelt so schnell. Also würden sie sich irgendwo zwischen 13 und
14 cm treffen, wahrscheinlich in der Nähe von 13,5 cm.
Wir wissen aber, dass diese Entfernung s in Wirklichkeit 1 m,
nämlich der anfängliche Abstand der Maus zum Loch ist. Dadurch
können wir zurückrechnen und kommen auf
20cm
x= · 1m ≈ 1,42m − 1,53m
s
33
Mathematik in Bewegung
34
Katz und Maus
35
Mathematik in Bewegung
function [x,y,m]=KatzUndMaus(DeltaT)
36
Katz und Maus
end
m x (t) = t
my (t) = 0
Bei der Katze ist das komplizierter, weil die Richtung r in die sie
läuft von ihrer Position abhängt:
37
Mathematik in Bewegung
Der Vektor r gibt also die Bewegungsrichtung der Katze an. Aller-
dings ändert sich seine Länge
2 2
|r (t)| = k x (t) − m x (t) + k y (t) − my (t)
mit dem Abstand von Katze und Maus. Da sich aber nur die Be-
wegungsrichtung der Katze ändert, aber nicht der Betrag ihrer Ge-
38
Katz und Maus
m x (t) − k x (t)
v x (t) = 2 · 2 2
k x (t) − m x (t) + k y (t) − my (t)
my (t) − k y (t)
vy (t) = 2 · 2 2
k x (t) − m x (t) + k y (t) − my (t)
Man weiß aus der Physik, dass die Geschwindigkeit die zeitliche Ab-
leitung des Ortes ist. Nach Einsetzen aller bekannter Größen erhalten
wir also:
t − k x (t)
kx (t) = v x (t) = 2 · 2
k x ( t ) − t + k y ( t )2
−k y (t)
ky (t) = vy (t) = 2 · 2
k x ( t ) − t + k y ( t )2
k x (0) = 0
k y (0) = 20
39
Mathematik in Bewegung
Wer mehr zu diesem Thema wissen will findet in dem Buch „Peter Deuflhard, Folk-
mar Bornemann: Numerische Mathematik II, Gewöhnliche Differentialgleichungen,
de Gruyter, 2002“ eine umfassende Darstellung der Theorie und der wichtigsten nu-
merischen Methoden für Differentialgleichungen.
40
Zugfahrt nach Berlin
Christian Liebchen
41
Mathematik in Bewegung
Rathenow
Berlin−Friedrichstr.
?
Berliner Stadtbahn
42
Zugfahrt nach Berlin
Es gibt nur sehr wenige Reisende, die die ganze Strecke nutzen. Die
meisten fahren entweder von Cottbus und den Unterwegsbahnöfen
nach Berlin, oder von Rathenow. (Karsten Preißel, Regionalleiter DB Re-
gio Nordost in punkt3, 2007/17, über die im Jahr 2007 bestehende Li-
nie RE2 Rathenow–Cottbus)
Aufgabe.
Teil 1. Wie viele Züge werden zum Betrieb der bestehenden Regio-
nalExpress-Linien RE2, RE3, RE4 und RE5 insgesamt mindes-
tens benötigt?
Teil 2. Überlege dir eine neue Zuordnung zwischen westlichen und
östlichen Linienabschnitten. Welches ist die für den Betrieb
dieser vier Linien erforderliche Mindestzugzahl?
Teil 3. Gehe noch einmal wie in Teil 2 vor. Jedoch darfst du diesmal
keine Linie von der Ostsee wieder zurück zur Ostsee durch-
binden: Wismar–Berlin–Stralsund und Rostock–Berlin–Stral-
sund sind also verboten. Ebenso wenig darf Dessau direkt
mit Lutherstadt Wittenberg verknüpft werden. Wie viele Zü-
ge erfordern diese neuen Linien dann mindestens?
43
Mathematik in Bewegung
Antwortmöglichkeiten
105 + 90 + 20 + 90 + 105 + 20
Umlaufzeit = · 30 = 450.
30
44
Zugfahrt nach Berlin
45
Mathematik in Bewegung
Lösung
Für die Linien RE3, RE4 und RE5 ergeben sich so die Mindestzug-
zahlen 12, 6 bzw. 12.
46
Zugfahrt nach Berlin
Rathenow
RE4
Berlin−Friedrichstr.
?
Berliner Stadtbahn
47
Mathematik in Bewegung
410 + 210
Mindestzugzahl =
60
360 + 180 50 + 30
= +
60 60
50 + 30
= 9+
60
= 9 + 2 = 11 (1)
48
Zugfahrt nach Berlin
Abschnitt Divisionsrest
Wismar 50
Dessau 20
Rathenow 20
Rostock 30
Cottbus 30
Stralsund 0
Lutherst. Wittenberg 40
Senftenberg 50
49
Mathematik in Bewegung
Wismar 50 30 Cottbus
Dessau 20 0 Stralsund
Rostock 30 50 Senftenberg
Zwischen diesen acht Knoten wird nunmehr für jede der 16 mög-
lichen Liniendurchbindungen ein Strich gezogen, der Kante ge-
nannt wird. Ein Linienplan entspricht somit einer Auswahl von ge-
nau vier Kanten, so dass jeder Knoten an genau einer Kante anliegt.
Eine solche Kantenauswahl wird in der Kombinatorischen Optimie-
rung Matching genannt. In unseren Fall ist es hilfreich, die Kanten
in drei Kategorien aufzuteilen:
1. An beiden Endknoten steht der Wert 0.
2. Die Werte an den beiden Endknoten addieren sich zu einem Wert
der Menge {1, 2, 3, . . . , 60} auf.
3. Die Werte an den beiden Endknoten addieren sich zu einem Wert
der Menge {61, 62, 63, . . . , 118} auf.
Gemäß der Aufteilung, die wir in Gleichung (1) vorgenommen ha-
ben, entspricht also jede dieser Kategorien einem über die 35 als be-
reits unvermeidbar identifizierten Züge unmittelbar hinausgehen-
den Zusatzbedarf an weiteren Zügen, und zwar
1. 0 zusätzliche Züge,
2. 1 zusätzlicher Zug oder
3. 2 zusätzliche Züge.
Im Beispiel Wismar–Cottbus hatten wir
50
Zugfahrt nach Berlin
was über den für die Linie RE2 identifizierten Sockelbetrag von
9 Zügen hinaus zwei weitere Züge erforderte.
In der speziellen Aufgabenstellung ist nun schnell ersichtlich,
dass es keine Kante gibt, an deren beiden Endpunkten eine Null
steht. Die beiden anderen Kategorien sind in der Abbildung un-
terschiedlich dargestellt: Diejenigen Kanten, die nur einen zusätzli-
chen Zug nach sich ziehen, sind fett gezeichnet. Die Kanten, die
in der Lösung vermieden werden sollten, da sie zwei zusätzliche
Züge erfordern, sind hellgrau dargestellt. Anhand des Astes nach
Senftenberg kann man hier schließlich leicht feststellen, dass in
jeder Zuordnung mindestens eine hellgraue Kante enthalten sein
muss. Die vier in einer Zuordnung enthaltenen Kanten ergeben al-
so immer mindestens einen Zusatzbedarf von 2 + 1 + 1 + 1, also
von 5 Zügen. Zusammen mit den zuvor identifizierten 35 Zügen
weiß man nun, dass jeder Linienplan mindestens 40 Züge erfordern
muss.
Last but not least soll hier nicht ungenannt bleiben, dass man
die Zahl der zusätzlichen Züge als Gewichte der Kanten definieren
kann. Die Kombinatorische Optimierung stellt hier sehr effiziente
Verfahren bereit, mit denen auch in Graphen mit mehreren tausend
Knoten auf der linken und rechten Seite ein Matching gefunden
werden kann, in dem jeder Knoten an genau einer der ausgewählten
Kanten anliegt, und welches ein minimales Gesamtgewicht besitzt.
51
Zuschauer beim Berlin-Marathon
Stefan Hougardy, Stefan Kirchner und Mariano Zelke
53
Mathematik in Bewegung
54
Zuschauer beim Berlin-Marathon
55
Mathematik in Bewegung
Antwortmöglichkeiten
1. Das lässt sich nur beantworten, wenn im Voraus bekannt ist, wie
viele Läufer teilnehmen.
2. Fred multipliziert die Startnummern aller vorbeikommenden
Läufer miteinander.
3. Fred berechnet für einen vorbeikommenden Läufer mit Start-
nummer i die i-te Primzahl und summiert diese alle.
4. Fred summiert die Kubikzahlen der Startnummern der vorbei-
kommenden Läufer.
5. Fred berechnet die Summe der Startnummern der vorbeilaufen-
den Läufer und summiert zudem die Werte T (i ) für jede Start-
nummer i, die vorbeikommt. Dabei sei T (i ) die kleinste Prim-
zahl, die i teilt. (T (1) sei 1.)
6. Fred berechnet sowohl die Summe als auch die Summe der Qua-
drate der Startnummern der vorbeilaufenden Läufer.
7. Fred addiert die Werte k · S(k), wobei S(k) die Startnummer des
k-ten an ihm vorbeikommenden Läufers ist.
8. Fred summiert alle Startnummern der vorbeilaufenden Läufer
und sucht zusätzlich die größte und zweitgrößte Startnummer
heraus.
9. Für jede Startnummer i eines vorbeikommenden Läufers berech-
net Fred 2i , falls i gerade und 3i falls i ungerade ist und multipli-
ziert diese Zahlen miteinander.
10. Keine der hier angegebenen Strategien führt zum Erfolg.
56
Zuschauer beim Berlin-Marathon
Lösung
|S|+2
k := ∑ ν − s1
ν =1
und
|S|+2
l := ∑ ν2 − s2
ν =1
i+j = k (1)
2 2
i +j =l (2)
57
Mathematik in Bewegung
58
Die gelben Engel von Noehtam
Jörg Rambau
Pech gehabt: Eine Panne auf der Autobahn! Zum Glück gibt es den
ADAC. Etwa 30 Minuten nach dem Anruf aus der Notrufsäule steht
ein Hilfefahrzeug beim Autofahrer mit der Panne – wir nennen ihn
hier Havaristen. Damit das funktioniert, muss zwischen dem An-
ruf in einer ADAC-Hilfezentrale und der Ankunft eines gelben Engels
eine Menge organisiert werden.
Zum Beispiel: Welches von etwa 80 gerade verfügbaren Fahrzeu-
gen soll den Auftrag – einen von etwa 200 – erledigen? In welcher
Reihenfolge soll ein Hilfefahrzeug die ihm zugewiesenen Aufträ-
ge abarbeiten? Und wie kann man Vertragspartner kostenschonend
einsetzen? Wie soll man damit umgehen, dass man zukünftige Auf-
träge nicht vorhersehen kann? Der ADAC hat mit Hilfe des Zuse-
Instituts Berlin (ZIB) den vormals manuell geplanten Vorgang auto-
matisiert. Dazu musste jede der genannten Fragen beantwortet wer-
den. Das auf mathematischen Methoden beruhende Dispositions-
Assistenten-System HEIDI ist mittlerweile in allen fünf Hilfezen-
tralen des ADAC im Einsatz. Doch was heißt in diesem Zusammen-
hang mathematische Methoden?
Formulieren wir die Aufgabenstellung zunächst einmal mathe-
matisch: Das ADAC-Problem sei folgendes Problem: Weise jedem
Auftrag ein Hilfefahrzeug und jedem Hilfefahrzeug eine Tour zu, so
dass eine aus Fahrt- und Arbeitskosten sowie Wartezeiten der Auf-
träge kombinierte Größe, die Zielfunktion, einen möglichst kleinen
Wert annimmt.
Im ADAC-Problem besteht die Schwierigkeit darin, dass in der
Regel die Anzahl der Hilfefahrzeuge nicht gleich der Anzahl der
Havaristen ist. Daher muss man im Allgemeinen für jedes Hilfe-
fahrzeug eine möglichst günstige Tour durch alle ihm zugeordne-
ten Aufträge finden. Von solchen Touren gibt es bei 200 Aufträgen
59
Mathematik in Bewegung
60
Die gelben Engel von Noehtam
61
Mathematik in Bewegung
Hilfefahrzeug Havarist
A B
1 10 20
2 5 10
62
Die gelben Engel von Noehtam
det und sechs Hilfefahrzeuge sind im Einsatz. Mehr als sonst. Wie-
der muss zu jedem Havaristen ein Hilfefahrzeug, und jedes Hilfe-
fahrzeug kann natürlich höchstens einem Havaristen gleichzeitig
helfen. Die Fahrzeiten (in Minuten) entnimmt er seinem Routing-
Programm. Sie lauten:
Hilfefahrzeug Havarist
A B C D E F
1 10 13 20 25 30 25
2 8 10 9 20 25 30
3 10 12 10 12 20 25
4 8 20 9 10 9 20
5 10 25 20 12 10 12
6 8 30 25 20 9 10
8 + 12 + 9 + 12 + 9 + 25 = 75.
63
Mathematik in Bewegung
etwas Besseres einfallen! Ich will nichts sehen, dass mehr als 10 %
über der optimalen Gesamtwartezeit liegt! Sie haben zehn Minuten!
Sie wissen ja, wir müssen hier in Echtzeit handeln!“ Leschtörg ist
in Erklärungsnot. Er weiß nicht recht, wie er herausfinden soll, ob
es eine wesentlich bessere Lösung gibt. Hat er vielleicht die 10 %
schon erreicht? Er weiß, er muss unbedingt die Wahrheit sagen,
denn sein Chef hat einen Logik-Berater, der inkonsistente Aussagen
der Mitarbeiter sofort aufdecken kann.
Da fällt ihm sein Bekannter und Mathematiker Nevs Ekmurk
ein, der solche Fragen immer pfiffig beantworten konnte. Er ruft
ihn an, schildert den Fall und fragt um Rat. „Nevs, soll ich nochmal
nach einer besseren Lösung suchen? Aber komm mir als alter Ge-
nauigkeitsfanatiker nicht damit, dass ich noch eine Minute sparen
kann! Was kann ich noch Substantielles herausholen? Bei welcher
Gesamtwartezeit bin ich auf jeden Fall höchstens 10 % über dem
Optimalwert? Ich will nämlich möglichst schnell die Fahrzeuge los-
schicken.“
Was antwortet Ekmurk? Es ist eine der folgenden Argumentatio-
nen. Beachte: Ekmurk sagt nichts Unkorrektes, und nur eine der fol-
genden Aussagen ist komplett korrekt; alle anderen Aussagen ent-
halten wenigstens ein unkorrektes Argument.
Antwortmöglichkeiten
1. „Dein Verfahren findet auf jeden Fall immer eine optimale Lö-
sung, da Du ja für jeden Havaristen in jedem Schritt das Best-
mögliche tust. Du kannst dem Chef sagen, es gibt keine bessere
Zuordnung.“
2. „Es gibt eine bessere gültige Lösung mit Kosten von unter 70
Minuten. Aber möglicherweise kann man die auch noch auf 50
Minuten reduzieren. Du musst also weitersuchen, bis Du etwas
unter 55 Minuten hast.“
3. „Es kann keine gültige Zuordnung mit Kosten kleiner als 58 Mi-
nuten geben. Daher kannst Du aufhören, sobald Du eine gültige
64
Die gelben Engel von Noehtam
65
Mathematik in Bewegung
66
Die gelben Engel von Noehtam
Lösung
2. Diese Antwort ist falsch. Es gibt zwar eine Zuordnung mit Kos-
ten unter 70 Minuten. Dass man jedoch eine Lösung von 50 Minuten
finden kann, ist nur eine Vermutung, die obendrein noch falsch ist.
67
Mathematik in Bewegung
68
Die gelben Engel von Noehtam
4. Diese Antwort ist falsch. Selbst wenn alle Havaristen nach Erfah-
rung mindestens 12 Minuten lang warten müssen, heißt das noch
lange nicht, dass sie das in dieser Situation auch müssen. Das sieht
man daran, dass es eine gültige Lösung mit 60 Minuten Gesamtwar-
tezeit gibt.
5. Diese Antwort ist als Ganzes betrachtet falsch, obwohl die re-
sultierende Empfehlung okay ist. Zwar stimmt die Argumentation,
dass keine Zuordnung weniger als 54 Minuten Gesamtwartezeit pro-
duzieren kann. Aber 60 Minuten liegt echt mehr als 10 % über 54
6 1
(nämlich 54 > 10 ), obwohl 54 genau 10 % unter 60 liegt. Tatsäch-
lich ist natürlich eine gültige Lösung von 60 Minuten ausreichend,
wie die Korrektheit von Antwort 3. zeigt.
Diese Antwort ist ein Beispiel dafür, wie ein Endresultat richtig, die
Argumentation dazu aber falsch sein kann. Wenn man solch eine
Argumentation regelmäßig anwendet, könnte in einem anderen Fall
auch mal eine falsche Empfehlung herauskommen.
69
Mathematik in Bewegung
7. Die Antwort ist falsch. Der Durchschnitt der Fahrzeiten hat mit
dem Optimalwert nichts zu tun. Dass Leschtörgs Lösung nicht opti-
mal ist, wissen wir ja schon durch die Lösung mit Gesamtwartezeit
60 Minuten.
9. Die Antwort ist falsch. Es gibt keine solche gültige Lösung, wie
die Korrektheit von Antwort 3. zeigt.
10. Die Antwort ist als Ganzes betrachtet falsch, obwohl die resul-
tierende Empfehlung für sich betrachtet sogar die beste ist. Zwar
ist 60 Minuten wirklich die optimale Gesamtwartezeit, es gibt aber
weit mehr als 36 Zuordnungen, die man prüfen muss. Nur durch
Probieren von 36 Möglichkeiten (ohne weitere Argumente) kann
man die Optimalität von 60 nicht begründen. Zur Information:
Durch Probieren kann man natürlich die Optimalität von 60 nach-
weisen. Man muss dazu aber 6! = 720 Möglichkeiten prüfen.
Wie Antwort 5, ist diese Antwort ein weiteres Beispiel dafür, wie ein
Endresultat richtig, die Argumentation dazu aber falsch sein kann.
Der Typ Logik, der in der ADAC-Aufgabe benötigt wird, ist oft ge-
nauso entscheidend für den Erfolg mathematischer Verfahren wie
Formelkenntnis und Rechentechnik.
Man sieht: In der angewandten Mathematik geht es oft gerade
nicht darum, wie man eine Lösung auf möglichst viele Stellen hin-
ter dem Komma ausrechnet, sondern häufig auch darum, wie man
mit Argumenten das Ergebnis umzingeln kann, so dass man weiß,
wann man nicht mehr weiterrechnen muss.
70
Die gelben Engel von Noehtam
sowie
71
Mathematik in Bewegung
c1A x1A + c2A x2A + c3A x3A + c4A x4A + c5A x5A + c6A x6A
c1B x1B + c2B x2B + c3B x3B + c4B x4B + c5B x5B + c6B x6B
c1C x1C + c2C x2C + c3C x3C + c4C x4C + c5C x5C + c6C x6C
c1D x1D + c2D x2D + c3D x3D + c4D x4D + c5D x5D + c6D x6D
c1E x1E + c2E x2E + c3E x3E + c4E x4E + c5E x5E + c6E x6E
c1F x1F + c2F x2F + c3F x3F + c4F x4F + c5F x5F + c6F x6F .
72
Die gelben Engel von Noehtam
A 1 A 1
B 2 B 2
C 3 C 3
D 4 D 4
E 5 E 5
F 6 F 6
Abbildung 1. Der bipartite Graph zur Aufgabe und eine gültige Lösung
73
Mathematik in Bewegung
param k := 6;
set S := { 1 to k };
param c[S*S] := | 1, 2, 3, 4, 5, 6|
| 1 |10, 13, 20, 25, 30, 25|
| 2 | 8, 10, 9, 20, 25, 30|
| 3 |10, 12, 10, 12, 20, 25|
| 4 | 8, 20, 9, 10, 9, 20|
| 5 |10, 25, 20, 12, 10, 12|
| 6 | 8, 30, 25, 20, 9, 10|;
http://www.zib.de/Optimization/Projects/Online/ADAC-Dispatch
http://www.zib.de/koch/zimpl
http://www.zib.de/Optimization/Software/Soplex
74
Mathematik komplett technologisch
Wie viel Kapazität hat ein
Mobilfunknetz?
Andreas Eisenblätter und Hans-Florian Geerdes
Wer hat das noch nicht erlebt? Der Akku ist aufgeladen und reich-
lich Guthaben vorhanden, doch das Telefonieren mit dem Handy
klappt trotzdem nicht. Meist liegt das daran, dass man sich in ei-
nem Funkloch befindet. Aber manchmal ist auch das Netz überlas-
tet. Anders gesagt: das Funknetz des Mobilfunkanbieters, das viele
Antennen auf Hausdächern oder Masten umfasst, bietet entweder
nicht genügend Abdeckung oder nicht genügend Kapazität. Genau
das will der Anbieter natürlich vermeiden. Mathematik hilft, diese
Herausforderungen mit einer guten Planung des Mobilfunknetzes
zu bewältigen.
Damit ein Anbieter ausreichend Kapazität bereitstellen kann,
muss er wissen, wie viele Nutzer in einer sogenannten Zelle (das
heißt: von einer Antenne) bedient werden können. Die Kapazität ei-
ner GSM-Zelle (GSM ist das alte System) ist ein fester Wert. Das
gilt für UMTS nicht mehr. (UMTS ist die englische Abkürzung für
Universal Mobile Telecommunications System.) Zwar ist die maximale
Sendeleistung einer Zelle konstant, aber der Anteil, der davon not-
wendig ist, um einen Nutzer zu bedienen, wird wesentlich von zwei
Dingen bestimmt. Das ist zum einen die Entfernung zwischen Nut-
zer und Sendeantenne. Zum anderen ist es die Stärke der Signale für
andere Verbindungen, die vom Handy des Nutzers als Störsignale
wahrgenommen werden. Die Sendeleistung wird daher je nach der
Stärke der Störsignale dynamisch für jeden Nutzer individuell ein-
gestellt. Welche (mittleren) Sendeleistungen sich letztendlich ein-
stellen und wie viele Nutzer bedient werden können, wird in der
Praxis durch das Lösen von mehreren großen Gleichungssystemen
berechnet.
77
Mathematik komplett technologisch
Handysignal 0,5 W
SSV = = = 50 %.
Pilot 1W
Das SSV wäre also größer als 2 %, und das Handy wäre versorgt.
Wenn aber für die Verbindung nur 0,01 W genutzt würde, dann
78
Wie viel Kapazität hat ein Mobilfunknetz?
Handysignal 1
SSV Zelle 1 = 1
Pilot 1 + (Pilot 2 + Handysignal 2)
7
0, 7 W
= 57,6 %
1 W + 17 ) · (1 W + 0,5 W)
Handysignal 2
SSV Zelle 2 = 1
Pilot 2 + (Pilot 1 + Handysignal 1)
5
0,5 W
= 1
37,3 %
1 W + 5 · (1 W + 0,7 W)
79
Mathematik komplett technologisch
Antwortmöglichkeiten
1. Nein, die beiden Zellen werden sich die ganze Zeit gegenseitig
stören und immer wieder gegenseitig Nutzer aus dem Netz wer-
fen. Das Netz lässt sich also unter den beschriebenen Vorausset-
zungen nicht stabil betreiben.
2. Ja, nach einer Weile werden beide Zellen eine maximale Anzahl
von Nutzern bedienen und die Situation stabilisiert sich. In bei-
den Zellen telefonieren dann 50 Nutzer.
80
Wie viel Kapazität hat ein Mobilfunknetz?
81
Mathematik komplett technologisch
Lösung
Wir leiten diese Lösung in drei Schritten her. Zuerst zeigen wir, dass
mindestens 40 bzw. 38 Nutzer bedient werden können, egal wie viele
Nutzer in der jeweils anderen Zelle telefonieren. Dann argumentie-
ren wir, dass in diesem Zustand keine der beiden Zellen noch einen
weiteren Nutzer bedienen kann. Zuletzt weisen wir noch, dass dies
die einzige Konfiguration ist, in der beide Zellen gleichzeitig keine
weiteren Nutzer bedienen können.
Bei unserer Herleitung können wir uns auf folgende Beobach-
tung stützen: Das Mobilfunksystem garantiert zwar nicht, dass die
beiden Zellen die Nutzer jeweils mit der minimal möglichen Sende-
leistung versorgen. Doch es ist klar, dass dann am meisten Nutzer
versorgt werden können, wenn die SSV-Bedingung für jede Verbin-
dung genau erfüllt und damit überschüssige Sendeleistung vermie-
den wird.
82
Wie viel Kapazität hat ein Mobilfunknetz?
15
Gesamtleistung Zelle 1
Gesamtleistung Zelle 2
10
Leistung [W]
Maximalleistung
1
0
0 5 10 15 20 25 30 35 38 40 45
Anzahl Nutzer
83
Mathematik komplett technologisch
p2
0, 02 = .
1
(1 + n1 p1 ) + 1 + ( n2 − 1) p2
5
Störungen aus Zelle 1 Störungen aus Zelle 2
(357 − 7n1 ) p1 − n2 p2 = 8
−n1 p1 + (255 − 5n2 ) p2 = 6
84
Wie viel Kapazität hat ein Mobilfunknetz?
85
Wie Rechner rechnen
René Lamour und Caren Tischendorf
AND OR XOR
In1 In2 Out In1 In2 Out In1 In2 Out
0 0 0 0 0 0 0 0 0
1 0 0 1 0 1 1 0 1
0 1 0 0 1 1 0 1 1
1 1 1 1 1 1 1 1 0
87
Mathematik komplett technologisch
e = e3 · 23 + e2 · 22 + e1 · 21 + e0 · 20 .
88
Wie Rechner rechnen
Abbildung 2. Teilschaltung
Antwortmöglichkeiten
1. 0 6. 8
2. 1 7. 10
3. 2 8. 12
4. 4 9. 16
5. 6 10. 24
89
Mathematik komplett technologisch
Lösung
a = 6 = 0 · 23 + 1 · 22 + 1 · 21 + 0 · 20 ,
b = 2 = 0 · 23 + 0 · 22 + 1 · 21 + 0 · 20 ,
c = 0 = 0 · 20 .
a0 = 0, a1 = 1, a2 = 1, a3 = 0,
b0 = 0, b1 = 1, b2 = 0, b3 = 0,
c0 = 0.
90
Wie Rechner rechnen
e = 1 · 23 + 0 · 22 + 0 · 21 + 0 · 20 = 8.
91
Wann geht der Laser an?
Mark Lichtner und Lutz Recke
Ein Laser ist eine Lichtquelle, bei der durch Zufuhr von elektri-
scher Energie Licht besonderer Güte oder Reinheit (einfarbig, kohä-
rent, polarisiert) erzeugt werden kann. Das dynamische Verhalten
des Lasers hängt von der Energiezufuhr ab. Sie bestimmt, ob der
Laser zum Beispiel dauerhaft Licht konstanter Intensität liefert, ob
er dauerhaft flackert, ob er nach kurzem Aufflackern ausgeht, oder
ob er noch anderes Verhalten zeigt. Mathematisch kann die Dyna-
mik von vielen Lasern, ganz grob, durch die Gleichung
beschrieben werden. Dabei ist λ ∈ R ein Maß für die Energie, die
pro Zeiteinheit in den Laser gepumpt wird (die sogenannte Pum-
prate), und xn ∈ R beschreibt die Amplitude des Laserlichtes nach
n Zeitschritten. Wenn λ und der Anfangszustand x0 gegeben sind,
so kann man xn für n = 1, 2, . . . mit Hilfe von (1) ausrechnen. Zum
Beispiel gilt für beliebiges λ und für x0 = 0, dass
x1 = x2 = · · · = 0 (2)
√
ist. Oder für beliebiges λ ≥ 1 und x0 = λ − 1 gilt
√
x1 = x2 = · · · = λ − 1. (3)
Die Lösungen (2) bzw. (3) beschreiben den ausgeschalteten bzw. den
eingeschalteten stationären Laserzustand.
Wir fragen, für welche Pumpraten λ (die im Intervall [0, 2[ der
technisch vernünftigen Werte liegen sollen) der Laser langfristig
ausgeht. Damit erhalten wir Bereiche für λ, die wir meiden müssen,
falls der Laser in einem dauerhaft eingeschalteten Zustand (wie in
einem DVD oder CD-Player) betrieben werden soll.
93
Mathematik komplett technologisch
Antwortmöglichkeiten
Ingenieure würden die Frage wie folgt stellen: Wie viel Energie
muss mindestens in den Laser gepumpt werden, damit er nicht bei
jedem Anfangszustand (der im Intervall ] − 1, 1[ der technisch ver-
nünftigen Werte liegen soll) im Verlaufe der Zeit wieder ausgeht?
94
Wann geht der Laser an?
Lösung
95
Mathematik komplett technologisch
=1
=1.7
96
Wann geht der Laser an?
| x1 | = | x0 | · |λ − x02 | ≤ | x0 | < 1.
Dabei haben wir benutzt, dass λ und x02 Zahlen zwischen Null und
Eins sind, ihre Differenz also dem Betrag nach kleiner oder gleich
Eins ist. Analog erhält man
97
Mathematik komplett technologisch
werte √
x0 nahe Null die√xn von Null wegdriften und gegen die Grenz-
werte λ − 1 oder − λ − 1 konvergieren. So kommt man zur Ver-
mutung, dass (4) für λ > 1 nicht erfüllt ist. Wählt man hinrei-
chend viele verschiedene Parameter 0 ≤ λ ≤ 1 und Startwerte
x0 ∈ ]−1, 1[, so kann man sich davon überzeugen, dass stets die
Werte xn gegen Null streben, d. h. dass die fünfte Antwort richtig
ist.
98
Mathematik ganz zufällig
Der Forsch-Frosch Fred
Volker Kaibel
Bewegt man sich auf der Suche nach Informationen zu einem be-
stimmten Thema immer neuen Links folgend durch das World-
Wide-Web, so stellt man in der Regel nach einer gewissen Zeit fest,
dass man auf manchen Seiten immer wieder gelandet ist. Diese Sei-
ten stellen sich oft als wichtig heraus. Suchmaschinen wie Google
machen sich dieses Phänomen zu Nutze, um die Wichtigkeit ein-
zelner Web-Seiten zu bewerten. Dazu lassen sie auf einer beliebi-
gen Web-Seite einen imaginären Surfer starten, der immer zufällig
einen der auf seiner aktuell besuchten Seite vorgefundenen Links
verfolgt. Der Surfer vollführt einen Random Walk im Netzwerk der
Web-Seiten.
Für jede Schrittzahl gibt es nun eine bestimmte Wahrschein-
lichkeitsverteilung, die beschreibt, wo der Surfer sich nach genau
dieser Schrittzahl mit welcher Wahrscheinlichkeit aufhält. Vor dem
ersten Schritt ist das zum Beispiel mit Wahrscheinlichkeit Eins die
Startseite. Verweist diese auf drei andere Seiten A, B und C, so ist
der Surfer nach dem ersten Schritt mit Wahrscheinlichkeit 13 auf A,
mit Wahrscheinlichkei 13 auf B und mit Wahrscheinlichkeit 13 auf
C. Verweist A zum Beispiel auf A1 und A2 (und keine der Seiten B
und C verweisen auf A1 oder A2 ), so ist der Surfer nach dem zweiten
Schritt mit Wahrscheinlichkeit 16 auf A1 , mit Wahrscheinlichkeit 16
auf A2 , und mit irgendwelchen Wahrscheinlichkeiten, die sich zu
2
3 summieren, auf den Seiten, auf die B und C verweisen.
Die Wahrscheinlichkeitsverteilung ändert sich in der Regel zu-
nächst von Schritt zu Schritt sehr stark. Man kann jedoch beweisen,
dass sie sich mit wachsender Schrittzahl immer mehr einer ein-
deutig bestimmten Grenzverteilung nähert (zumindest, wenn man
in bestimmtem Sinne vorsichtig mit Situationen umgeht wie der,
dass eine Web-Seite auf gar keine andere verweist). Die Verteilun-
101
Mathematik ganz zufällig
102
Der Forsch-Frosch Fred
jetzt die Rolle der Web-Seiten spielen) und möchte einen Random
Walk entwerfen, dessen Grenzverteilung gerade die Wunschvertei-
lung ist. Als Entwurfsparameter hat man dabei die Übergangswahr-
scheinlichkeiten zwischen Paaren von Objekten zu Verfügung. Man
kann z. B. festlegen, dass von Objekt A aus mit Wahrscheinlich-
keit 15 zu Objekt A1 und mit Wahrscheinlichkeit 45 zu Objekt A2
übergegangen werden soll. Hat man nun geeignete Übergangswahr-
scheinlichkeiten theoretisch konstruiert, so simuliert man mit ei-
nem Computer den Random Walk eine Zeit lang. Die mathema-
tische Kunst besteht nun darin, herauszufinden, wie viele Schrit-
te man den Computer simulieren lassen muss, damit die erzielte
Wahrscheinlichkeitsverteilung auf den Objekten nah genug an der
Grenzverteilung, und damit an der Wunschverteilung, ist. Mit sol-
chen Methoden kann man zum Beispiel komplizierte mathemati-
sche Zählprobleme (approximativ) lösen, bei denen Objekte gezählt
werden müssen, deren Anzahl so groß ist, dass man sie niemals alle
erzeugen kann. Das dahinter stehende Prinzip, den Zufall intelli-
gent in Algorithmen und Computerprogrammen zu nutzen, spielt
eine wichtige Rolle in vielen Bereichen der aktuellen Algorithmen-
forschung.
103
Mathematik ganz zufällig
104
Der Forsch-Frosch Fred
Antwortmöglichkeiten
105
Mathematik ganz zufällig
Lösung
Fred bezeichnete die Anzahl der Besuche der einzelnen Blätter mit
H (1), H (2), . . . , H (14). Er ist in seinem Leben also H (7) mal auf
Blatt 7 gewesen. Die Gesamtzahl aller seiner Blatt-Besuche war dann
1 1 1
H (7) = H (6) + H (8) + H (10)
3 3 4
gelten. Fred teilte diese Gleichung durch H und erhielt
106
Der Forsch-Frosch Fred
H (7)
also wegen h(7) = H usw.
1 1 1
h (7) = h(6) + h(8) + h(10) .
3 3 4
Das schien ihm plausibel, denn die Besuchshäufigkeit von Blatt 7
setzte sich zusammen aus einem Drittel der Besuchshäufigkeit von
Blatt 6 (das drei Nachbarn hat), einem Drittel der Besuchshäufigkeit
von Blatt 8 (das ebenfalls drei Nachbarn hat) und einem Viertel der
Besuchshäufigkeit von Blatt 10 (das vier Nachbarn hat).
Analog bestimmte Fred für jedes Blatt eine solche Gleichung,
zum Beispiel
1 1 1
h (4) = h (3) + h (5) + h (6)
3 2 3
oder
1
h (1) = h (3) .
3
Insgesamt stellte Fred also 14 dieser Gleichungen auf, welche zu-
sammen mit der Gleichung
h(1) + h(2) + · · · + h(14) = 1
ein System von 15 Gleichungen ergaben, das von den Besuchshäu-
figkeiten h(1), h(2), . . . , h(14) erfüllt werden musste.
Fred erinnerte sich nun an seine Studentenzeit, in der er gele-
sen hatte, dass Systeme von der Art dessen mit den 15 Gleichungen,
welches er gerade aufgestellt hatte, genau eine Lösung haben. Er
erinnerte sich auch, dass das nicht ganz einfach zu beweisen ge-
wesen war. Wie auch immer, jetzt war ihm jedenfalls klar, dass er
nur irgendwie Werte für die Variablen h(1), h(2), . . . , h(14) finden
musste, die alle 15 Gleichungen erfüllten. Sein erster Gedanke war,
dass er ja schon in der Froschschule lineare Gleichungssysteme mit
zwei, drei oder auch vier Variablen gelöst hatte. Aber mit 14 Varia-
blen schien ihm das doch etwas zu aufwändig, zumal er beim Wei-
terhüpfen ja auch nicht schreiben, sondern nur denken konnte.
Fred dachte noch einmal an die Gleichung
1 1 1
h (7) = h(6) + h(8) + h(10) ,
3 3 4
107
Mathematik ganz zufällig
die ausdrückte, wie häufig er auf Blatt 7 gewesen war. Auf der rech-
ten Seite standen drei Summanden, weil Blatt 7 drei Nachbarn hatte.
In der Summe wurden h(6) und h(8) mit 13 multipliziert, weil die
Blätter 6 und 8 jeweils drei Nachbarn hatten, und h(10) wurde mit
1
4 multipliziert, weil Blatt 10 vier Nachbarblätter hatte. Also könnte
man diese Gleichung doch ganz einfach erfüllen, wenn man
108
Der Forsch-Frosch Fred
109
Keller oder Dach zuerst?
Nicole Megow
111
Mathematik ganz zufällig
a c
b d
Abbildung 1. Projektnetz
112
Keller oder Dach zuerst?
alle Vorgänge beendet sein können. Das heißt, wir gehen davon aus,
dass keine unnötigen Wartezeiten eingefügt werden. Folgende Fra-
gen sollen beantwortet werden:
1. Wie groß ist die Wahrscheinlichkeit, dass die kürzeste Projekt-
dauer (PD) nicht länger als 4 Zeiteinheiten ist?
Tipp: Die Wahrscheinlichkeit für PD ≤ 4 ist die Anzahl der Rea-
lisierungen für die Dauern der Vorgänge a, b, c, d, die PD ≤ 4
erfüllen, dividiert durch die Anzahl aller möglichen Realisierun-
gen.
2. Wie groß ist die Wahrscheinlichkeit, dass die kürzeste Projekt-
dauer PD ≥ 5 ist?
3. Welche ist die kürzeste Projektdauer die sich auf Basis der mitt-
leren Bearbeitungsdauern bestimmt?
Antwortmöglichkeiten
23 29
1. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 3
2. Aufgabenteil 1: 1, Aufgabenteil 2: 0, Aufgabenteil 3: 6
31 50
3. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 4
8 72
4. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 3
23 58
5. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 4
1 80
6. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 2
60 21
7. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 6
23 29
8. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 5
31 29
9. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 4
31 50
10. Aufgabenteil 1: 81 , Aufgabenteil 2: 81 , Aufgabenteil 3: 6
113
Mathematik ganz zufällig
Lösung
1
PD = 2 mit Wahrscheinlichkeit
81
7
PD = 3 mit Wahrscheinlichkeit
81
23
PD = 4 mit Wahrscheinlichkeit
81
29
PD = 5 mit Wahrscheinlichkeit
81
21
PD = 6 mit Wahrscheinlichkeit
81
1 7
Also gilt PD ≤ 4 mit Wahrscheinlichkeit 81 + 81 + 23 31
81 = 81 = 37 %
50
und PD ≥ 5 mit Wahrscheinlichkeit 81 = 61,7 %. Das heißt, die
Wahrscheinlichkeit, dass das Projekt länger als vier Zeiteinheiten
dauert ist wesentlich höher als die Wahrscheinlichkeit, dass es ge-
nau vier oder weniger Zeiteinheiten dauert.
Vergleichen wir dieses Ergebnis nun mit einer groben Schätzung
auf Basis der mittleren Bearbeitungsdauern. Jeder Vorgang hat eine
mittlere Bearbeitungsdauer von zwei Zeiteinheiten. Auf Basis dieser
Dauern hätte das Gesamtprojekt eine Dauer von vier Zeiteinheiten,
was dem frühestens Fertigstellungszeitpunkt der Vorgänge c und d
114
Keller oder Dach zuerst?
115
Viele Tests – viele Fehler?
Karsten Tabelow
117
Mathematik ganz zufällig
des Gehirns, welche mehr Sauerstoff benötigt. Dieser wird mit dem
Blut in die entsprechenden Areale transportiert. Die resultierende
lokale Änderung des gemessenen Signals durch diesen BOLD (Blood
Oxygen Level Dependent)-Effekt kann als natürlicher Kontrast für
die Bildgebung benutzt werden.
Ein typisches fMRI-Experiment sieht so aus: Der Proband oder
Patient wird für eine gewisse Zeit z. B. einem optischen oder akus-
tischen Reiz ausgesetzt. Daran schließt sich eine entsprechende Ru-
hephase an. Dieser Zyklus wird einige Male wiederholt. Statt eines
passiven Reizes können auch Aufgaben gelöst werden, selbst Rech-
nen oder das Erfassen von Textinhalten sind denkbar. In Voxeln, die
während der Stimulation aktiv waren, kann durch den BOLD-Effekt
ein ganz spezifisches Signal erwartet werden (siehe Abbildung 1).
Dieses Signal ist jedoch, wie eingangs bereits erwähnt, durch zufäl-
lige Fehler überlagert. Daher ist es im Einzelfall schwer zu entschei-
den, ob das gemessene Signal die erwartete Form hat oder nicht.
Die mathematische Statistik stellt Signifikanztests bereit, um in ei-
nem Voxel diese Entscheidung zu treffen. Bei solchen Tests wird
eine Schranke (Signifikanzniveau) α > 0 für die Wahrscheinlich-
118
Viele Tests – viele Fehler?
keit festgelegt, durch den Test das erwartete Signal zu finden, ob-
wohl keines vorhanden ist. Dies sind sogenannte falsch positive Tes-
tergebnisse. Typische Werte für α sind 0,05 oder 0,01, denn dies
wird als eine hinreichend kleine Wahrscheinlichkeit für solche Er-
gebnisse betrachtet. Die Aufgabe, unter den rund 100 000 Voxeln,
die zum fMRI Datensatz gehören, die wenigen hundert aktivierten
zu finden, führt auf ein multiples Testproblem, also dem gleich-
zeitigen Test in allen Voxeln. Wird als Signifikanzniveau des voxel-
weisen Tests zum Beispiel α = 0,05 gewählt, so ergibt dies allein
etwa 5000 = 0,05 × 100 000 fälschlicherweise als aktiv klassifizierte
Voxel. Wie soll auf diese Weise eine einigermaßen sichere Entschei-
dung getroffen werden, in welchen Voxeln tatsächlich eine Aktivie-
rung vorliegt und welche Voxel nur durch die große Anzahl unab-
hängiger Signifikanztests als aktiv angezeigt werden? Eine Möglich-
keit ist die Festlegung einer Schranke für die Wahrscheinlichkeit,
bei Anwendung des voxelweisen Signifikanztests auf alle Voxel des
Datensatzes kein falsch positives Ergebnis zu erhalten.
Wie groß muss α gewählt werden, damit die Wahrscheinlich-
keit, bei 100 000 Voxeln kein falsch positives Ergebnis zu erhalten
0,99 = 99 % ist? Hinweis: Es sollte gerundet werden!
Antwortmöglichkeiten
1. 0,05 0, 01
6.
100 000
0, 05
2. 0, 01 · 1000
5000 7.
100 000
0, 05
3. 8. 0,991000
100 000
4. 0,01 9. 0,995000
0, 01 0, 99
5. 10.
1000 100 000
119
Mathematik ganz zufällig
Lösung
1 − α.
Wenn alle n = 100 000 Tests unabhängig sind, ist die Wahrschein-
lichkeit dafür, dass keiner der Tests ein falsch positives Ergebnis lie-
fert
(1 − α ) n ,
also das n-fache Produkt der einzelnen Wahrscheinlichkeiten. Folg-
lich ist die Wahrscheinlichkeit, dass mindestens ein Test (von n)
falsch positiv ist
1 − (1 − α ) n .
Diese Wahrscheinlichkeit soll laut Aufgabe nur 0,01 = 1 % betra-
gen, damit ist aber α auf jeden Fall klein und wir erhalten nach Aus-
wertung der Potenz durch die binomische Formel, durch Vernach-
lässigung aller Terme, die eine mindestens quadratische Potenz von
α enthalten,
Demnach muss
sein!
120
Karamell und Schokolade optimal
Andreas Eichhorn
121
Mathematik ganz zufällig
122
Karamell und Schokolade optimal
Abbildung 1. Stromkraftwerk
123
Mathematik ganz zufällig
124
Karamell und Schokolade optimal
für i = 1, . . . , 20.
– Die Wahrscheinlichkeit aller möglichen Ereignisse beträgt immer
100 %, d. h. z. B.
20
∑ P(dK = i) = P(0 ≤ dK ≤ 20) = 1 .
i =0
– Es gilt immer dK = 20 − dS .
Damit kannst Du nun für jede der 400 möglichen Kombinationen
für bK , bS die relevante Wahrscheinlichkeit P(bK ≥ dK und bS ≥
dS ) berechnen. Allerdings muss man gar nicht alle Möglichkeiten
auswerten. Starte z. B. mit der Kombination bK = bS = 20 und
arbeite Dich dann geschickt schrittweise voran! Viel Spaß!
Antwortmöglichkeiten
1. bK = 20 und bS =0 6. bK = 16 und bS = 13
2. bK = 17 und bS = 13 7. bK = 18 und bS = 13
3. bK = 12 und bS =8 8. bK = 19 und bS = 10
4. bK = 20 und bS = 10 9. bK = 16 und bS = 14
5. bK = 20 und bS =8 10. bK = 15 und bS = 10
125
Mathematik ganz zufällig
Lösung
für i = 0, . . . , 20. Dies sind Zahlenwerte, die man z. B. mit dem Ta-
schenrechner ausrechnen kann:
i 0 1
(20i ) 1 20
P(dK = i ) 1, 0995 · 10−08 3, 2985 · 10−07
2 3 4 ...
190 1140 4845 ...
4, 7004 · 10−06 4, 2304 · 10−05 2, 6969 · 10−04 ...
P(dS = i ) = P(dK = 20 − i )
126
Karamell und Schokolade optimal
bK
= ∑ P(dK = i )
i =20−bS
bK
20
= ∑ · 0,6i · 0,420−i
i =20−bS
i
19−bS
20
= 1− ∑ · 0,6i · 0,420−i
i =0
i
20
20
− ∑ · 0,6i · 0,420−i
i = b +1
i
K
127
Mathematik ganz zufällig
bS bK
20 19 18
20 1, 00000000
19 0, 99999999
18 0, 99999966
17 0, 99999496
16 0, 99995266
15 0, 99968297
14 0, 99838848
13 0, 99353412 0, 99349756 0, 99301008
12 0, 97897107
..
.
bS bK
17 16 15 ...
20 0, 94904805 ...
19 0, 94904804 ...
18 0, 94904771 ...
17 0, 94904301 ...
16 0, 94900070 ...
15 0, 94873102 ...
14 0, 98242731 0, 94743652 ...
13 0, 98992265 0, 97757296 ...
12 ...
..
. ...
128
Mathematik in Produktion und Logistik
Roboter und Zuckerstangen
Heike Siebert
131
Mathematik in Produktion und Logistik
132
Roboter und Zuckerstangen
kauft. Er versucht immer auf der Höhe der Zeit zu sein, deswegen
hat er sich für einfache Aufgaben robotische Hilfe beschafft. Die
Roboter sollen Papiertüten mit Zuckerstangen befüllen. Die Robo-
ter stehen dazu in einer Schlange hintereinander. Ganz vorne ist
eine Tüte, die zu befüllen ist. Alle Roboter schauen Richtung Tüte,
d. h. in die gleiche Richtung. Das Befüllen selbst funktioniert wie
folgt:
– Jede Minute führen die Roboter folgende Aktionen gleichzeitig
aus: Wenn sie eine Zuckerstange in der Hand haben, geben sie sie
an den Roboter vor ihnen in der Schlange weiter, der sie natür-
lich auch annimmt, oder, wenn sie ein Roboter vor der Tüte sind,
stecken sie die Zuckerstange in die Tüte.
– Jeder Roboter kann sowohl gleichzeitig eine Zuckerstange vom
Hintermann annehmen als auch seine, die er in der Hand hält
(also in der vorherigen Minute erhalten hat), weitergeben oder in
die Tüte stecken.
Von dieser Sorte sogenannter Transportroboter hat Heinrich Drögel
14 Stück erworben. Zusätzlich hat er sich noch zwei Multifunktions-
roboter, Robbi und Tobbi, geleistet. Wenn diese beiden in Betrieb
sind, produzieren sie jede Minute eine Zuckerstange und geben die
eine Minute vorher produzierte Zuckerstange an den vor ihnen ste-
henden Roboter weiter.
Wohlwollend beobachtet von Heinrich Drögel stehen die Robo-
ter in zwei geordneten, jeweils von Robbi und Tobbi ausgehenden
Reihen und befüllen Tüten, als plötzlich das Telefon klingelt. Drö-
gel erwartet einen wichtigen Anruf, und so stürmt er rücksichtslos
Richtung Telefon und wirbelt dabei alle Roboter durcheinander. Sie
rappeln sich wieder auf, laufen verwirrt durcheinander und kom-
men schließlich in einer neuen Anordnung zur Ruhe.
Robbi, Tobbi und 8 weitere Roboter stehen in einem Kreis, in
dem alle Roboter in Uhrzeigerrichtungssinn blicken. Unter den
Transportrobotern, die in dem Kreisbogen stehen, der von Robbi
zu Tobbi führt, gibt es drei Roboter, die nicht nur einen Roboter
vor sich zu stehen haben, sondern auch einen in Reichweite neben
133
Mathematik in Produktion und Logistik
134
Roboter und Zuckerstangen
Antwortmöglichkeiten
1. Es sind alle Tüten fertig befüllt, egal wie die Roboter stehen.
2. Es sind genau zwei oder genau drei Tüten fertig befüllt.
3. Nur eine Tüte ist fertig befüllt, egal wie die Roboter stehen.
4. Genau eine Tüte ist fertig befüllt oder genau drei Tüten sind
fertig befüllt.
5. Es sind alle oder keine der Tüten fertig befüllt.
6. Genau eine Tüte oder genau zwei oder genau drei Tüten sind
fertig befüllt.
7. Es ist keine oder genau eine der Tüten fertig befüllt.
8. Alle oder genau zwei oder keine der Tüten sind fertig befüllt.
9. Es sind genau zwei Tüten fertig befüllt, egal wie die Roboter
stehen.
10. Es ist keine der Tüten fertig befüllt, egal wie die Roboter ste-
hen.
135
Mathematik in Produktion und Logistik
Lösung
Zunächst besteht die Schwierigkeit darin, dass wir nicht genau wis-
sen, wie sich die Roboter aufgestellt haben. Wir wissen, dass zehn
Roboter einen Kreis bilden und die anderen sechs sich auf drei
Schlangen aufteilen. Da die drei Schlangen von Transportrobotern
in der Schlange von Robbi zu Tobbi abzweigen, stehen in dieser also
mindestens drei Transportroboter. Weiter haben drei Transportro-
boter Zuckerstangen in der Hand und stehen in der Schlange zwi-
schen Tobbi und Robbi. Sechs Transportroboter teilen sich auf drei
Schlangen auf, also haben wir die möglichen Aufteilungen 1, 1, 4
oder 1, 2, 3 oder 2, 2, 2 auf die drei Schlangen.
Die Zuckerstangen oder Zuckerstangenstücke, die die Tüten be-
füllen, werden alle von Robbi produziert, da die von Tobbi produ-
zierten schließlich an Robbi weitergegeben werden und der sie auf-
isst. Wir müssen also herausfinden, ob und mit welcher Frequenz
Robbi Zuckerstangen produziert und dann überlegen, wie lange es
dauert bis die produzierten Stangen oder Stücke davon die Tüten
erreichen.
Wir nummerieren die Roboter, die im Kreis stehen von 1 bis 10
durch, wobei Tobbi die 1 bekommt. Nun basteln wir eine Funktion
xi für jeden der Roboter, so dass xi (t) = 0 gilt, falls Roboter i in
der t-ten Minute keine Stange weiterreicht, und xi (t) = 1, falls
Roboter i in der t-ten Minute eine Stange weiterreicht. Für jeden
Transportroboter j gilt
x j (t + 1) = x j−1 (t) für t = 2, 3, . . .
und der Wert x j (1) hängt davon ab, ob Roboter j in der Anfangsauf-
stellung eine Stange in der Hand hat oder nicht. Für Tobbi gilt
x1 (t + 1) = 1 − x10 (t) für t = 2, 3, . . . und x1 (1) = 1 ,
und für Robbi, der eine Nummer 4 < r < 8 hat, gilt
xr (t + 1) = 1 − xr−1 (t) für t > 1 und xr (1) = 0 ,
136
Roboter und Zuckerstangen
xr (1) = 0,
x r (2 ) = 1 − x r −1 (1 ),
x r (3 ) = 1 − x r −2 (1 ),
..
.
x r ( k + 1) = 1 − x2 (1),
xr ( k + 2) = 1 − x1 (1),
137
Mathematik in Produktion und Logistik
Nur die Roboter i mit 1 < i < r und xi (1) = 0 führen dazu, dass
Robbi in den ersten 10 Minuten eine Stange weitergibt. Wenn wir
jetzt noch einen Schritt weitergehen, sehen wir, dass
xr (11) = xr (1).
xi (1) = xi (11)
138
Roboter und Zuckerstangen
mit der Produktion beginnt. Deshalb nehmen wir an, er steht direkt
vor Tobbi, d. h. er hat die Nummer 2. Wenn Robbi eine Zuckerstange
produziert, muss diese, oder Stücke davon, ja noch weiter gereicht
werden. Je mehr Roboter also zwischen Robbi und einer zu befüllen-
den Tüte stehen, desto länger dauert es bis diese gefüllt ist. Da vier
Roboter in der Schlange von Tobbi zu Robbi stehen, stehen auch
vier in der Schlange von Robbi zu Tobbi. Um den längsten mög-
lichen Weg von Robbi zu einer Tüte zu bekommen, muss also die
längste mögliche Schlange (wie wir oben gesehen haben, hat diese
die Länge 4) von dem letzten Roboter in der Schlange von Robbi
zu Tobbi (Nummer 10) abzweigen. Wir nummerieren diese Roboter
11, 12, 13 und 14. Insgesamt stehen dann 8 Roboter zwischen Rob-
bi und dem Strumpf am Ende dieser Schlange. In diesem Szenario
produziert Robbi in der vierten Minute eine Stange, da der Robo-
ter hinter ihm in der vierten Minute keine Stange weiterreicht. Die
Stange reicht Robbi in der fünften Minute weiter, d. h. x6 (5) = 1.
Die Stange oder Teile davon werden jede Minute weitergereicht, d.h.
x10 (9) = 1 und schließlich x14 (13) = 1. Das bedeutet, dass der Ro-
boter mit Nummer 14 in der 13. Minute das erste Stangenstück in die
Tüte steckt. Nun haben wir schon gezeigt, dass sich jede Situation
alle 10 Minuten wiederholt. Also wird das zweite Stangenstück in
der 23. und das dritte in der 33. Minute in die Tüte gesteckt. Hein-
rich Drögel unterbricht aber nach 32 Minuten, also sind erst zwei
Stücke im Sack. Da alle anderen Wege von Robbi zu den verblei-
benden zwei Tüten kürzer sind, sind diese fertig befüllt. In dieser
Situation haben wir also genau zwei fertige Tüten.
Für jede andere Möglichkeit einer Anfangsaufstellung der Ro-
boter – wir nehmen immer noch an, dass mindestens ein Roboter
ohne Stange in der Schlange von Tobbi zu Robbi steht – gilt, dass es
weniger als 13 Minuten dauert, bis jede Tüte ein Stangenstück ent-
hält. Da sich jede Situation alle zehn Minuten wiederholt, dauert es
also immer weniger als 33 Minuten bis jede Tüte fertig gefüllt ist.
Damit ist Antwort 8 richtig.
139
Die Welt des Herrn Kuhn
Daniela Kern
Eines Morgens erwachte Herr Kuhn fröstelnd und staunte darüber, dass es
in seiner Wohnung eiskalt war. Dennoch quälte er sich aus seiner kuscheli-
gen Bettdecke heraus und schlurfte ins Bad. „Hoffentlich wird wenigstens
das Wasser warm“, dachte er sich, als er den Wasserhahn betätigte – aber
es kam nicht nur kein warmes Wasser, außer einem unheilvollen Gluckser
kam gar nichts aus der Leitung. „Dann werde ich wohl mal den Klemp-
ner anrufen“, sprach er sich leise in den Bart und griff zu seinem Handy
– doch das Netz war tot! Herr Kuhn begann nun, sich ernsthaft Sorgen
zu machen, „Oje, was ist denn heute nur los? Ist irgendetwas Schlimmes
passiert?“ Um einen besseren Überblick über die Lage zu bekommen und
sich austauschen zu können, brannte er nun förmlich darauf, rauszuge-
hen und zur Arbeit zu fahren. An anderen Tagen, die er frisch geduscht
und mit Kaffee und Marmeladen-Brot begann, war er selten so motiviert.
So ging er also nun mit leerem Magen aus dem Haus. Hätte er den Ver-
such unternommen, sein tägliches Marmeladenbrot zuzubereiten, und da-
für den Kühlschrank geöffnet, um das Marmeladenglas herauszunehmen,
wäre ihm aufgefallen, dass auch die Stromversorgung Störungen unter-
worfen war, unschön zu erkennen an den ersten grünen, felligen Inseln
auf seinem Lieblingskäse.
Draußen auf der Straße liefen viele Menschen umher und auch Autos
fuhren herum, die Zivilisation war also doch noch nicht ganz verloren.
Allerdings auch hier stimmte etwas nicht: an den Kreuzungen gab es wil-
des Gehupe und Geschrei, da die Ampelanlage der weit weniger befahrenen
Ost-West-Achse längere Grünphasen gewährten als der vom Berufsverkehr
gebeutelten Nord-Süd-Straße. Zusätzlich verstopften Busse mit sehr unter-
schiedlich starken Fahrgastzahlen die Durchfahrt, während an manchen
Bushaltestellen empörte Fahrgäste offensichtlich schon sehr lange auf „ih-
ren“ Bus warteten. Glücklicherweise hatte Herr Kuhn es nicht weit zu sei-
ner Arbeitsstätte und darum ging er nun einfach zu Fuß und schlängelte
141
Mathematik in Produktion und Logistik
sich durch die Engstellen. In seinem Büro angekommen, befragte er die Kol-
legen, ob sie eine Erklärung für die Vorkommnisse hatten. Der Mathema-
tiker Albert klärte auf, dass die Versorgungsnetze für Wasser, Strom etc.
nicht lahmgelegt, sondern lediglich überfordert waren, da die optimierten
Steuerungspläne gegen alte Pläne ausgetauscht worden waren. Ebenso ver-
hielt es sich bei den Busfahrplänen und der Ampelsteuerung. „Die Ursache
für das Verwenden der nicht-optimierten Pläne ist noch völlig ungeklärt,
vielleicht haben sich ein paar unbezahlte Praktikanten einen Streich er-
laubt. Ab morgen soll der Betrieb aber wieder normal laufen.“
Da auch in den Büros alles sehr langsam und schleppend lief, ging Herr
Kuhn an diesem Tag bereits Mittags nach Hause. Dort angekommen legte
er sich einfach gleich ins Bett, um den Rest dieses Tages einfach zu ver-
schlafen, was ihm in dieser Situation die beste Lösung erschien.
Herr Kuhn tut sich schwer, wenn nicht alles reibungslos klappt. Da-
bei ist es eigentlich ein Wunder, dass unsere komplizierten Versor-
gungsstrukturen doch normalerweise ziemlich gut funktionieren.
Bieten neue Technologien, globalisierte Märkte und gutvernetzte
Transportwege zwar großes Potential für Fortschritt und Wohl-
standsmehrung, so bedarf es aber auch großen Analyse- und Pla-
nungsaufwands, um diese Strukturen auch tatsächlich gewinnbrin-
gend zu nutzen. Um dies zu gewährleisten, wird unter anderem die
mathematische Optimierung bemüht. Komplizierte Probleme mit
vielen Nebenbedingungen, wie z. B. das Aufstellen eines guten Bus-
fahrplans, die Planung der Energie-Erzeugung in einem Kraftwerk,
oder die Logistik an einem Verladehafen sind kaum ohne die Hil-
fe einer systematischen Herangehensweise zu meistern. Doch nicht
nur in Fragen der Infrastruktur sind mathematische Optimierungs-
methoden gut zu gebrauchen. Auch in der Entwicklung oder Ver-
besserung von Produkten und modernen Materialien, im Finanz-
wesen und in unzähligen anderen Bereichen wird viel Mathematik
und Optimierung eingesetzt. Bei der mathematischen Optimierung
handelt es sich aber nicht um eine einheitliche Theorie, da die Be-
dingungen der verschiedenen Anwendungen sehr unterschiedlich
sind.
142
Die Welt des Herrn Kuhn
143
Mathematik in Produktion und Logistik
144
Die Welt des Herrn Kuhn
Antwortmöglichkeiten
145
Mathematik in Produktion und Logistik
Lösung
146
Die Welt des Herrn Kuhn
147
Mathematik in Produktion und Logistik
( x, y) = (200, 0). In diesen beiden Punkten und auch auf allen an-
deren Punkten dieser Linie gilt f ( x, y) = 600, der Gewinn beträgt
dort auf allen Punkten der Linie also 600 Euro. Auf der Niveaulinie
oben rechts, die durch die Punkte ( x, y) = (0, 900) und (600, 0)
geht, beträgt der Gewinn 1800 Euro. Man könnte noch beliebig viele
weitere Niveaulinien einzeichnen, zu jedem Gewinn-Betrag eine. Al-
le diese Niveaulinien wären parallel zu den beiden eingezeichneten.
Die kleinen Pfeile an den beiden exemplarischen Niveaulinien deu-
ten die Richtung der Gewinnerhöhung: in Pfeilrichtung wird der
Gewinn immer größer. Zieht man nun ein Lineal in Pfeilrichtung
(bzw. parallel zu den eingezeichneten Niveaulinien) über das Bild,
dann entspricht die Linealkante also zu jedem Zeitpunkt des Dar-
überziehens selber einer solchen Niveaulinie, entlang derer der Wert
der Gewinnfunktion gleichbleibend (konstant) ist. Fügt man nun
noch die Informationen zusammen, dass der Gewinn in Pfeilrich-
tung steigt und dass die Produktionszahlen, also ( x, y), im zulässi-
gen (den Beschränkungen genügenden) Bereich liegen muss, erhält
man, dass wir dann den höchsten erreichbaren Gewinn haben, wenn
wir das Lineal solange in Pfeilrichtung über das Bild schieben, bis
die Linealkante noch den zulässigen Bereich berührt, aber bereits
auf seinem Rand liegt. Die Niveaulinie oben rechts entspricht genau
dem Beschriebenen: sie berührt den zulässigen Bereich gerade noch
und liegt am äußersten Punkt in Pfeilrichtung. Der Gewinn entlang
dieser Niveaulinie beträgt 18 Euro, insbesondere auch in dem zu-
lässigen Punkt, der auf dem Rand des zulässigen Bereich liegt und
durch den die Nivaulinie gezogen ist. Dieser Punkt hat die Koordi-
naten (200, 600). Der maximale Gewin wird also bei Produktion von
200 Flaschen Orangensaft und 600 Flaschen Apfelsaft erreicht und
beträgt 18 Euro.
Ließe man die Flaschen-Beschränkung weg, könnte man „das Li-
neal“ noch weiter in Pfeilrichtung in den cyanblauen Bereich zie-
hen und gelangte zum Punkt (300, 400), wo der Gewinn – da wir
uns in Pfeilrichtung bewegen – noch höher ist als 18 Euro, nämlich
18,50 Euro.
148
Die Welt des Herrn Kuhn
Man kann beweisen (oder sich wie oben an den Niveaulinien an-
schaulich klarmachen), dass der maximale Gewinn an einer Ecke
des zulässigen Bereichs realisiert wird. (Manchmal auch an einer
ganzen Kante, also sogar an 2 Ecken und den unendlich vielen Punk-
ten dazwischen, wenn man auch nicht-ganzzahlige Mengenangaben
zulässt. Die Forderung nach Ganzzahligkeit ist in der Aufgabe aber
sowieso explizit ausgeschlossen, denn sonst wäre auch der oben be-
schriebene Lösungsweg nicht korrekt. Dass die optimale Lösung
( x, y) = (200, 600) ganzzahlig herauskommt, ist „eingefädelter Zu-
fall“, d. h. durch gute Wahl der Zahlen in der Aufgabenstellung her-
beigeführt.) Da die optimale Lösung also an einer Ecke gefunden
werden kann, muss man nur die jeweils erzielten Gewinne an den
Ecken vergleichen. Der höchstmögliche Gewinn unter den Ecken ist
auch gleichzeitig der höchste der ganzen Aufgabe. Die an den Ecken
erzielten Gewinne sind im Folgenden aufgelistet. Auch hier sieht
man, dass es am gewinnträchtigsten ist, 600 Flaschen Apfelsaft und
200 Flaschen Orangensaft zu produzieren.
Den höchsten Gewinn erzielt man bei Ecke 3, nämlich 18 Euro. Lässt
man die durch die Flaschen gegebene Beschränkung weg, entfallen
Ecken 3 und 4, statt dessen erhält man noch eine Ecke X:
149
Mathematik in Produktion und Logistik
150
Arvin, Berit und die Lastwagen
Falk Ebert und Anita Liebenau
151
Mathematik in Produktion und Logistik
L1 L2 L3 L4 L5 L6 L7 L8
Auto 5 4 2 4 2 5 2 5
Ball 2 4 2 4 8 2 2 2
Puppe 4 5 3 4 4 4 1 4
Baukasten 5 4 2 4 2 5 2 5
Springseil 5 4 2 3 2 5 2 6
Kuscheltier 3 4 2 4 6 3 2 3
152
Arvin, Berit und die Lastwagen
wie Puppen. Wenn man eine gleiche Anzahl dieser beiden Waren
auf einem Lastwagen benötigt, reicht Arvin also nicht aus. Kommt
jetzt Roboter Berit dazu, kann dieser den Roboter Arvin eventuell
korrigieren. Berit trägt stets ein Auto hin und eine Puppe zurück,
egal von wo nach wo. Wenn jetzt auf einem Lastwagen drei Autos
und drei Puppen liegen sollen, so reicht es, Arvin zweimal vom La-
ger zum Lastwagen laufen zu lassen (vier Autos, zwei Puppen) und
Berit einmal vom Lastwagen zum Lager. Berit nimmt vom Lastwa-
gen ein Auto weg, schafft es ins Lager und holt von dort eine Puppe
und legt sie auf den Lastwagen. Mit diesen beiden Robotern kann
man den Lastwagen also korrekt beladen, mit nur einem der beiden
nicht.
Diese beiden können auch beim Beladen der anderen Lastwa-
gen helfen, eventuell braucht man aber noch mehr Roboter, um alle
Lastwagen korrekt beladen zu können.
Teil 1: Man möchte so wenig Roboter wie möglich einsetzen. Wie
viele Roboter benötigt man mindestens, um die acht Last-
wagen korrekt zu bepacken?
Teil 2: Lässt man bei der Gesamtbeladung kleine Abweichungen zu
(d. h. auf jedem Lastwagen darf genau eine Ware zu wenig
oder zu viel sein), wie viele Roboter benötigt man dann min-
destens für die Beladung?
Antwortmöglichkeiten
153
Mathematik in Produktion und Logistik
Lösung
Zunächst sollte man sich darüber klar werden, dass die Trageleis-
tung eines Roboters durch einen Vektor veranschaulicht werden
kann. Jeder dieser Vektoren enthält sechs Einträge - von Auto, Ball,
Puppe, Baukasten, Springseil bis Kuscheltier. Diese Einträge sind
ganze Zahlen. Ein positiver Eintrag bedeutet, dass eine Ware in der
angegebenen Menge vom Lager zum Lastwagen gebracht wird und
ein negativer Eintrag sagt aus, dass die entsprechende Ware vom
Lastwagen ins Lager geschafft wird. Eine Multiplikation des Vek-
tors mit einer positiven ganzen Zahl bedeutet, dass der Roboter
mehrere solche Lieferungen durchführt, und die Multiplikation mit
einer negativen Zahl sagt aus, dass die Laufrichtung zwischen La-
ger und Lastwagen umgekehrt wird und dann entsprechend meh-
rere Lieferungen erfolgen. Eine Multiplikation mit null führt dazu,
dass nichts transportiert wird. In analoger Weise kann auch die Be-
ladung eines Lastwagen als Vektor geschrieben werden. Formaler
ausgedrückt:
Sei V die Menge aller möglichen Tragemuster. Seien a, b und c
die Tragemuster dreier Roboter und α, β und γ die jeweiligen Häu-
figkeiten, mit denen die Transporte durchgeführt werden. Demnach
ist α · a + β · b die Menge an Waren, die nach α Läufen des Typs a
und β Läufen des Typs b auf einem Lastwagen liegen. Für einen
Vektorraum gilt:
1. Abgeschlossenheit: Für beliebige a und b aus V und α, β aus Z
gilt: α · a + β · b ∈ V. Das, was mehrere Roboter in vielen Trans-
porten zu einem Lastwagen gebracht haben, hätte auch einer auf
einmal hinschaffen können.
154
Arvin, Berit und die Lastwagen
155
Mathematik in Produktion und Logistik
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 0 0
⎢ 0 ⎥ ⎢ 1 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
a=⎢ ⎥, b=⎢ ⎥,..., f =⎢ ⎥
⎢ 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 0 ⎦ ⎣ 0 ⎦ ⎣ 0 ⎦
0 0 1
wählen. Also ist für jeden Warentyp genau ein Roboter zuständig.
Diese Wahl von Vektoren entspricht den Einheitsvektoren. Mit die-
sen Vektoren ist es also möglich, den gesamten Vektorraum V auf-
zuspannen. Dies ist allerdings nicht mit beliebigen 6 Vektoren mög-
lich sondern wir benötigen auch noch deren lineare Unabhängigkeit.
Mathematisch heißt das, wenn sich ein Vektor c beispielsweise als
α · a + β · b schreiben lässt, dann ist er von diesen Vektoren a und
b linear abhängig. Für die Roboter heißt das: Wenn sich die Trans-
portleistung eines Roboters durch kombinierte Transporte anderer
Roboter erreichen lässt, dann ist er überflüssig. Eine Möglichkeit,
die lineare Unabhängigkeit von Vektoren a bis f zu prüfen, stellt
die folgende Bedingung dar: Die folgende Gleichung
⎡ ⎤
0
⎢ 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 ⎥
x1 · a + x2 · b + x3 · c + x4 · d + x5 · e + x6 · f = ⎢ ⎥
⎢ 0 ⎥
⎢ ⎥
⎣ 0 ⎦
0
156
Arvin, Berit und die Lastwagen
und für die Vektoren b bis f analog. Dann sieht das Gleichungssys-
tem in Form eines Tableaus wie folgt aus:
1 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 1 0
157
Mathematik in Produktion und Logistik
158
Arvin, Berit und die Lastwagen
ner eine sinnvolle und zuverlässige Alternative dar. Auf den meis-
ten Geräten wird eine Funktion rref() angeboten, welche die Trep-
pennormalform oder auch Zeilenstufenform einer Matrix mit Hilfe
des Gauß-Algorithmus berechnet. Damit erhält man für das Glei-
chungssystem (1) die folgende Form:
1 0 0 0 −2 1 0 1 0
0 1 0 0 6 0 2 2 0
0 0 1 0 −6 0 −3 −2 0
0 0 0 1 0 0 0 −1 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
x1 = 2x5 − x6 − x8 (2a)
x2 = −6x5 − 2x7 − 2x8 (2b)
x3 = 6x5 + 3x7 + 2x8 (2c)
x4 = x8 (2d)
159
Mathematik in Produktion und Logistik
160
Lagenwechsel minimieren –
oder das Bohren von Löchern in
Leiterplatten
Martin Grötschel, Thorsten Koch und Nam Dũng Hoàng
Diese Aufgabe behandelt ein Problem, das beim Entwurf von Lei-
terplatten auftritt. Die Aufgabe ist rein kombinatorischer Natur,
man benötigt keine Kenntnisse der Elektromechanik. Einfache Lei-
terplatten haben zwei Seiten (auch Lagen genannt), auf die Strom
leitende Bahnen (genannt Leiterbahnen) aufgebracht werden kön-
nen. Wir nennen diese Lagen obere und untere Lage. Abbildung 1
zeigt eine unbestückte Leiterplatte und ihren „Schatten“, der die
Löcher in der Leiterplatte sichtbar macht.
161
Mathematik in Produktion und Logistik
Abbildung 2. Leiterbahnen
162
Lagenwechsel minimieren
Abbildung 4. Standardlösung
163
Mathematik in Produktion und Logistik
Das bedeutet, dass in jeden Knick einer Leiterbahn ein Loch ge-
bohrt wird, um an dieser Stelle die Seite der Leiterplatte zu wech-
seln. Man muss übrigens nicht unbedingt in einen Knick bohren. In
unserem Beispiel dürfen Leiterbahnen auf der Leiterplatte sowohl
oberhalb als auch unterhalb beginnen, sie können oberhalb oder
unterhalb aufhören. Hierfür gibt es keine Vorschriften. Das muss
bei einer realen Leiterplatte jedoch nicht so sein. Hier kann es vor-
kommen, dass eine Bahn auf der oberen Lage beginnen und unten
enden muss oder umgekehrt. Die Bohrlöcher sind mit roten Kreisen
markiert.
In unserem Beispiel müssen wir, wenn wir die Standardlösung
der Industrie verwenden wollen, zwölf Löcher bohren, um die La-
genwechsel (Seitenwechsel) vorzunehmen.
Es geht aber viel besser. Wie Abbildung 5 zeigt, kommt man
mit nur vier Löchern statt zwölf aus und erreicht so eine erhebliche
Aufwandsersparnis.
In Abbildung 6 sind 10 Leiterbahnen zu sehen. Diese sind num-
meriert und farblich gekennzeichnet. Alle Leiterbahnen führen zu
den Rändern der Leiterplatte. Man beachte, dass es Leiterbahnen
mit 2, 3 und 4 Endpunkten gibt.
Bestimmen Sie eine bestmögliche kurzschlussfreie Realisierung
des Leiterbahnengeflechts aus Abbildung 6.
164
Lagenwechsel minimieren
Abbildung 6. Leiterbahngeflecht
Antwortmöglichkeiten
165
Mathematik in Produktion und Logistik
166
Lagenwechsel minimieren
167
Mathematik in Produktion und Logistik
Lösung
Abbildung 8 zeigt eine mögliche Lösung der Aufgabe mit acht Vi-
as. Es gibt verschiedene Lösungen mit acht zu bohrenden Löchern.
Mit sieben oder weniger Löchern kann man keine kreuzungsfreie
Verdrahtung des Leiterbahnengeflechts aus Abbildung 6 erreichen.
Das Via-Minimierungsproblem ist im Sinne der Komplexitäts-
theorie N P -schwer. Dies bedeutet, dass es im Allgemeinen (falls
die noch offene Vermutung P = N P richtig ist) nicht möglich
ist, einen kurzen Beweis für die Optimalität einer zulässigen Lö-
sung dieses Problems zu führen. In speziellen Anwendungsbeispie-
len kann das jedoch gelingen. Wie macht man so etwas?
In einem ersten Schritt versucht man, durch (systematisches
und überlegtes) Ausprobieren eine gute Lösung zu finden. Im Fal-
le unserer Aufgabe möchte man eine kurzschlussfreie Realisierung
der Leiterbahnen aus Abbildung 6 bestimmen, die möglichst weni-
ge Bohrungen benötigt. Hat man k Bohrlöcher gefunden und glaubt,
dass es nicht mit weniger geht, dann muss man eine untere Schran-
ke für die Anzahl der Bohrlöcher bestimmen. Besagt die untere
Schranke, dass mindestens k Bohrungen benötigt werden, so hat
man einen Beweis für die Optimalität der Zahl k gefunden. Die Be-
stimmung einer guten unteren Schranke ist in der Regel schwierig.
In unserem Falle hat Daniel Glöckner, ein Teilnehmer am Advents-
kalenderwettbewerb 2007, eine Lösung mit 8 Bohrlöchern gefunden
und einen Beweis dafür angegeben, dass es nicht mit weniger Boh-
rungen geht. Sein Beweis verläuft wie folgt (Originalzitat aus der
eingesandten Lösung):
Bei der Lösung des Problems ist es von Vorteil, eine untere Schranke für
die Anzahl der Bohrungen zu haben. Betrachtet man das Netz genauer,
so erkennt man eine Situation, in der man um eine Bohrung nicht her-
umkommt. Dies ist genau an den Stellen der Fall, wo ein freier Fleck von
einer ungeraden Anzahl unterschiedlicher Leiterbahnstücke umschlos-
sen ist. Im Folgenden bezeichne Segment ein Stück einer Leiterbahn, das
168
Lagenwechsel minimieren
Abbildung 8. Optimallösung
169
Mathematik in Produktion und Logistik
H8 keine Bohrung gezählt werden, so dass man eine unter Schranke von
nur 8 Bohrungen erhält.
Wenn man optimistisch ist und davon ausgeht, dass diese untere
Schranke erreicht werden kann, wird man nun die 24 möglichen Po-
sitionen für Bohrungen (bunte Punkte in der Abbildung) auf den Seg-
menten der 8 kleinen schlechten Kreise genauer unter die Lupe nehmen.
10 dieser Positionen (gelb) bilden Paare (C2-B3, E1-A5, D3-C4, E6-D7,
G7-E9), wo an beiden Stellen gleichzeitig eine Bohrung gesetzt werden
müsste, um nicht einen neuen schlechten Kreis zu schaffen. Bei 9 an-
deren Positionen (rot) gibt es nicht die Möglichkeit durch eine andere
geplante Bohrung einen neuen schlechten Kreis zu verhindern. Daraus
folgt, dass bei D13, E12, F5, I11, K5, K10, L7, M12 und N13 nicht gebohrt
werden darf. Hieraus folgt wiederum, dass 4 der Kreise nur durch Boh-
rungen bei C11, G9, M6 und O11 (grün) umgewandelt werden können.
Die verbleibende Position C8 (grau) kommt nicht in Frage, da bei die-
sem Kreis eine der gepaarten Positionen gewählt werden muss, um den
Kreis bei F6 umwandeln zu können. Wie man nach einigem Überprü-
fen feststellt, sind alle 6 durch die Paare gegebenen Möglichkeiten (mal
zwei wenn man noch die Lagen tauscht) Lösungen des Problems. Also
wurde die untere Schranke erreicht.
170
Lagenwechsel minimieren
Der Beweis der unteren Schranke 8 durch Daniel Glöckner ist durch-
aus knifflig. Für große Leiterplatten ist eine derartige Argumenta-
tion selten (einigermaßen nachvollziehbar) möglich. Hierzu muss
die aufwändige Maschinerie der ganzzahligen Optimierung einge-
setzt werden.
171
Mathematik in Produktion und Logistik
172
Mathematik gegen Bankrott
Die Paketversicherung von MathPost
Peggy Daume
175
Mathematik gegen Bankrott
176
Die Paketversicherung von MathPost
1. Auf die gleiche Art, wie in der folgenden Aufgabe die Versicherungsprämie für
eine Paketversicherung bestimmt wird, werden in der Realität Prämien für Lebens-
versicherungen berechnet.
177
Mathematik gegen Bankrott
meiden. Aus diesem Grund denkt er über die Möglichkeit nach, eine
spezielle Paketversicherung für die beförderten Pakete abzuschlie-
ßen. Dafür hat Max Math folgenden Einfall: Geht der Inhalt eines
Pakets entzwei oder das Paket gar verloren, wird dem Kunden ein
Gutschein ausgestellt. Als kleines „Schmerzensgeld“ soll der Gut-
schein mit einer Summe, die 10 % über dem ursprünglichen Wert
des Pakets liegt, versehen werden. Das auf dem Gutschein stehende
Geld möchte der Geschäftsführer im Schadensfall von einer Versi-
cherung ausbezahlt bekommen. Mit dieser Idee wendet er sich an
das Versicherungsunternehmen GlüKu. Das Risiko, das die Versi-
cherung durch die Paketversicherung eingeht, lässt sie sich natür-
lich mit einem Beitrag, der so genannnten Versicherungsprämie,
bezahlen. Doch wie berechnet die Versicherung die Versicherungs-
prämie? Max Math lässt sich dies von einem Mathematiker des Ver-
sicherungsunternehmens erklären:
Zur Berechnung der Versicherungsprämie müssen wir alle möglichen
Leistungen betrachten, die von uns und von Ihnen erbracht werden.
Klar sollte zunächst sein, dass Sie für die Paketversicherung für jedes
Paket einmalig eine Prämie zahlen. Die Prämie für ein Paket wird sofort
beim Abschluss der Versicherung fällig. Für die Leistung, die wir als
Versicherung erbringen, gibt es zwei mögliche Szenarien:
– Das Paket geht nicht verloren und kommt unversehrt beim Kunden
an. Dann erbringen wir keine Leistung.
– Das Paket geht auf dem Weg zum Kunden verloren oder der Pake-
tinhalt wird beschädigt. Dann zahlen wir genau einen Monat nach
Vertragsabschluss die Versicherungssumme.
Unsere Leistung ist also vom zufälligen Verschwinden der Pakete oder
Zerbrechen derer Inhalte abhängig. Wir halten es daher für fair, wenn
Sie als Versicherungsprämie gerade so viel bezahlen, wie wir an Leis-
tung durchschnittlich zahlen. Das bedeutet: Ist X die Versicherungs-
summe (= Betrag, den Sie nach Eintreten des Schadensfall ausbezahlt
bekommen), berechnen wir die Versicherungsprämie P mit der folgen-
den Formel
P = pV · X + pK · X.
Dabei ist pV die Wahrscheinlichkeit dafür, dass ein Paket auf dem Weg
zum Kunden verloren geht und pK die Wahrscheinlichkeit dafür, dass
178
Die Paketversicherung von MathPost
der Paketinhalt zerbricht. Hinter der Formel steckt im Übrigen die Er-
wartung, dass wir eine Unmenge von Versicherungen dieser Art ver-
kaufen und sich die Schadensfälle mit den Nichtschadensfällen ausglei-
chen, so dass wir im Durchschnitt weder einen Verlust noch einen Ge-
winn machen. Um aber die durchschnittliche Leistung berechnen zu
können, brauchen wir Aussagen darüber, mit welcher Wahrscheinlich-
keit ein Paket verloren geht oder dessen Inhalt zerbricht. Ohne diese
können wir Ihnen leider keine Versicherung anbieten.
Glücklicherweise hat der umsichtige Max Math genauestens dar-
über Buch geführt. Von allen Paketen, die sein Unternehmen im ers-
ten Jahr beförderte, sind 1,3 % aller Pakete auf dem Postweg verloren
gegangen. Bei 3,19 % aller ausgelieferten Pakete gab es Beschwer-
den von Kunden, weil der Inhalt leider beschädigt wurde. Da das
Unternehmen MathPost sehr viele Pakete befördert, können diese
beobachteten Werte auch als entsprechende Wahrscheinlichkeiten
interpretiert werden. Max Math kann also auf Grund seiner guten
Buchführung der Versicherung alle notwendigen Daten zur Bestim-
mung der Versicherungsprämie liefern.
Max Math denkt einen Moment über den Vorschlag der Versi-
cherung nach. Eigentlich ist er mit dem Angebot zufrieden, aller-
dings ist er der Meinung, dass die Versicherung ein kleines De-
tail übersehen hat. Max Math soll die Versicherungsprämie bereits
zum Zeitpunkt des Versicherungsabschlusses zahlen, wird aber im
Schadensfall erst einen Monat später das Geld für die zerstörten
oder verschwundenen Pakete erhalten. Er denkt, dass dies unfair
ist, da die Versicherung noch einen Monat lang Zinsen erhält (Jah-
reszinssatz 3 % bei monatlicher Verzinsung mit Zinseszins und li-
nearer Verzinsung, d. h. bei einem Jahreszinssatz von i % beträgt der
Monatszinssatz 12i %) und erst dann die Versicherungssumme zah-
len muss. Diesen Vorteil auf Seiten der Versicherung möchte Max
Math bei der Berechnung der Versicherungsprämie berücksichtigt
wissen und schlägt daher vor, dass durch so genanntes Abzinsen
auf den Zeitpunkt des Vertragsabschlusses die Leistungen der Ver-
sicherung und des Unternehmens MathPost vergleichbar gemacht
werden.
179
Mathematik gegen Bankrott
Wie groß ist die Differenz (bzw. der Betrag der Differenz) zwi-
schen den zwei vorgeschlagenen Versicherungsprämien, wenn das
Versicherungsunternehmen ein Paket im Wert von 5000,00 Euro
versichern möchte?
Antwortmöglichkeiten
180
Die Paketversicherung von MathPost
Lösung
PV = pV · X + pK · X
1
PM = · ( pV · X + p K · X )
1, 0025
1
= · 246, 95 Euro = 246, 33 Euro
1, 0025
181
Mathematik gegen Bankrott
Wenn man jedoch bedenkt, dass Max Math sehr viele Verträge bei
der Versicherung abschließen wird und die meisten Versicherungen
nicht nur einen Monat, sondern viele Jahre laufen, dann lässt sich
mit dem Vorschlag von Max Math schon viel Geld sparen. Und tat-
sächlich sind Versicherungen dazu verpflichtet, ihren Zinsvorteil an
die Versicherten weiterzugeben und die Prämien auf den Zeitpunkt
des Vertragsabschlusses abzuzinsen.
182
Ein Kredit für Weihnachtsbaumkugeln
Sina Tutsch
so hoch wie bei einer risikofreien Anlage der 150 000 Euro mit ei-
nem Zinssatz r von 2 % ist. Nun muss die Mathematikerin ent-
scheiden, ob sie den Kredit unter diesen Bedingungen aufnehmen
183
Mathematik gegen Bankrott
möchte. Sie will den Vertrag nur unterschreiben, falls der Zinssatz
r nicht höher als 10 % ist.
Angenommen, es kommt tatsächlich zur Vergabe des Kredits.
Dann bildet die Bank eine Rücklage für den Fall, dass die junge
Unternehmerin mit ihrer Firma Bankrott geht und ihre Schulden
nicht zurückzahlen kann. Das Geld wird risikofrei mit Zinssatz r
angelegt. Welcher Betrag R ist als Rücklage ausreichend? Dazu be-
urteilt die Bank das Ausfallrisiko erneut, diesmal unter strenge-
ren Kriterien im Sinne eines Stress-Tests. Sie setzt also eine höhere
Ausfallwahrscheinlichkeit p̃ an. Mit dieser pessimistischen Schät-
zung sinkt natürlich auch der erwartete Gewinn. Das heißt, es steigt
der erwartete Verlust, definiert als negativer erwarteter Gewinn. Die
Bank wählt nun die Rücklage R so, dass sie in fünf Jahren diesen hö-
heren erwarteten Verlust abdeckt. Das bedeutet, dass R die folgende
Ungleichung erfüllt:
−150 000 · (1 + r )5 − 1 · (1 − p̃) + 150 000 · p̃ ≤ R · (1 + r )5
Akzeptiert die Mathematikerin die Konditionen des Kreditvertrags?
Wenn ja, auf welcher pessimistischen Schätzung für die Ausfall-
wahrscheinlichkeit p̃ würde eine Rücklage in Höhe von mindestens
10 860 Euro beruhen?
Antwortmöglichkeiten
184
Ein Kredit für Weihnachtsbaumkugeln
Lösung
185
Optionsbewertung
John Schoenmakers
Seitdem es auf dieser Welt Geld gibt, wird damit gerechnet. Mathe-
matik und Geld sind von daher eng miteinander verknüpft. Dabei
sind die Anforderungen an die Rechenkünste gestiegen: Das Ein-
maleins reicht längst nicht mehr aus, schon gar nicht, wenn es um
die Bewertung von Portfolios und komplizierten Finanzkonstruk-
ten (Derivaten) geht. Mathematiker helfen der Finanzindustrie und
arbeiten eng mit Banken und Versicherungen zusammen. Sie ent-
wickeln Modelle und Programme, mit denen sich mittels mathema-
tischer Verfahren Risiken und Absicherungsstrategien kompliziert
strukturierter Finanzprodukte besser einschätzen lassen.
Ein relativ einfaches Finanzprodukt ist das Termingeschäft, bei
dem man sich festlegt an einem gewissen Zeitpunkt in der Zu-
kunft eine Aktie oder ein anderes Gut gegen einen jetzt vereinbar-
ten Preis zu kaufen oder zu verkaufen. In der Regel wird der künf-
tige Preis (auch Termin- oder Forward-Preis genannt) gleich dem
jetzigen Preis, zuzüglich der bis dahin anfallenden Zinsen zum ak-
tuellen Zinssatz, gesetzt. So entstehen bei diesem Geschäft keine
weiteren Vertragskosten.
Etwas kompliziertere Produkte sind die so genannten Call- und
Put-Optionen. Der Besitzer eines solchen Produktes darf, muss aber
nicht wie im Falle eines Termingeschäfts, das Gut oder die Aktie zu
dem jetzt festgelegten (Basis-) Preis kaufen (Call-Option) oder ver-
kaufen (Put-Option). In der Zeit zwischen Abschluss der Option und
Datum der Vertragsausübung (Kauf/Verkaufsmöglichkeit der Aktie)
kann die Aktie fallen oder steigen.
Ein Beispiel: Man schließt eine Call-Option am 10. 2. 2008 für ei-
ne Aktie ab. Diese sieht vor, dass man die Aktie am 10. 2. 2009 für
200 Euro kaufen darf. Die 200 Euro werden als Basispreis bezeich-
187
Mathematik gegen Bankrott
net. Die Aktie hat heute einen Wert von 190 Euro. Der Wert der Aktie
und der vereinbarte Basispreis müssen nicht identisch sein.
Am 10. 2. 2009 steht die Aktie bei 260 Euro, ist also im Wert ge-
stiegen. Wir lösen die Call-Option ein und können die 260 Euro teu-
re Aktie für 200 Euro kaufen.
Wäre die Aktie am 10. 2. 2009 weniger als 200 Euro wert, würde
man die Aktie nicht kaufen und die Option verfallen lassen.
Weil man mit einer Option ein Recht auf Kauf oder Verkauf er-
wirbt, jedoch nicht verpflichtet ist sie auch einzulösen, wird die
Ausübung des Vertrages immer einen Gewinn oder besser gesagt
keinen Verlust liefern. Dieses Recht hat natürlich seinen Preis.
Fischer Black und Myron Scholes gelang es 1973 solche Optionen
in einem halbwegs realistischen Preisentwicklungsmodell (geome-
trische Brownsche Bewegung) auf Grund von Arbitrageprinzipien
zu bewerten. Für diese Entdeckung wurde 1996 an Scholes und Ro-
bert Merton der Nobelpreis verliehen (Black war 1995 verstorben).
Black, Scholes und Merton wiesen nach, dass im Rahmen des un-
terliegenden Preismodels, es genau einen fairen Options-Preis gebe.
Alle anderen Preise würden unbeschränkt risikolose Gewinne (Arbi-
trage) ermöglichen und sind von daher ökonomisch nicht relevant.
In der folgenden Aufgabe werden die Ideen von Black, Scholes und
Merton zur Bewertung einer Call-Option vereinfacht dargestellt.
Wir betrachten folgendes stilisierte Aktien-Zins-Modell: Eine
Aktie hat heute einen Wert von 100 Euro. Mit 50-prozentiger Wahr-
scheinlichkeit steigt der Wert der Aktie in einem Jahr auf 205 Euro,
sonst fällt er auf 55 Euro (also auch mit 50-prozentiger Wahrschein-
lichkeit).
Festverzinslich angelegtes Geld wird mit 10 % jährlich verzinst,
und man darf auch gegen Zahlung von 10 % Zinsen ,negativ‘ anle-
gen, d. h. leihen. Ein Investor will ohne Einsatz von eigenem Geld
am Markt eine Call-Option mit einem Basispreis von 105 Euro und
einer Laufzeit von 1 Jahr verkaufen. Der Käufer dieser Option er-
wirbt das Recht, aber nicht die Pflicht, die Aktie in einem Jahr
für 105 Euro zu kaufen. Wenn der Wert der Aktie, wie oben ange-
geben, steigt, wird er die Option nutzen und somit de facto um
188
Optionsbewertung
205 − 105 = 100 Euro reicher sein, aber falls ihr Wert fällt, wird er
die Option verfallen lassen.
Die Aufgabe lautet: Ermittle, welchen Preis der Investor fairer-
weise für den Verkauf dieser Option verlangen kann. Unter einem
fairen Preis versteht man hier, dass der Investor bei jeder Kursent-
wicklung die Optionsauszahlung replizieren kann, wenn die Option
fällig wird, ohne dass er dabei Verlust erleidet, aber auch ohne dass
er dabei Gewinn erzielt.
Hinweis: Lege heute ein Portfolio (Bestand an Wertpapieren) aus
Aktien (dies können auch nur Bruchstücke einer Aktie sein) und
einer risikolosen festverzinslichen Anlage auf dem Bankkonto an.
Gestalte den Wert P dieses Portfolios so, dass ,egal, was passiert‘,
nach einem Jahr genau die Auszahlungsverpflichtung gegenüber
dem Optionshalter abgedeckt ist. Der heutige Wert dieses Portfo-
lios ist dann der sogenannte „arbitragefreie“ Preis der Call-Option.
Wie muss P gewählt werden?
Antwortmöglichkeiten
189
Mathematik gegen Bankrott
Lösung
Der Investor legt sich ein Portfolio P an, welches aus Aktienantei-
len θ und Geld auf einem Bankkonto ψ zusammengesetzt ist. Die
Aktien haben heute einen Wert von 100 Euro, somit beträgt der An-
fangswert P des Portfolios
PAnfang = 100 Euro · θ + ψ Euro.
Nun müssen θ und ψ so gewählt werden, dass die Wertentwicklung
des Portfolios der Wertentwicklung der Option entspricht, d. h. ist
der Wert der Aktie nach einem Jahr gestiegen, so ist der Wert der
Option gleich 100 Euro (Differenz aus aktuellem Aktienwert von
205 Euro und Basispreis der Option von 105 Euro). Ist nach einem
Jahr die Aktie gefallen, so ist der Wert der Option gleich Null (sie
wird nicht eingelöst). Wenn das Portfolio diesen Werten entspricht,
kann der Investor in den jeweiligen Szenarien entweder 100 Euro
oder 0 Euro an den Optionshalter auszahlen. Daraus ergeben sich
folgenden Forderungen:
Pgestiegen = 205 Euro · θ + 1, 1 · ψ Euro = 100 Euro
Pgefallen = 55 Euro · θ + 1, 1 · ψ Euro = 0 Euro
Dieses Gleichungssystem können wir nach den Unbekannten auflö-
sen:
2 100
θ= , ψ=− Euro
3 3
Also muss der Investor 100
3 Euro Kredit bei der Bank aufnehmen und
2
3 Anteile Aktien kaufen. Der Wert des Portfolios am Anfang der
Laufzeit beträgt also:
2 100
PAnfang = 100 Euro · − Euro = 33, 33 Euro
3 3
Diesen Wert kann er von dem Optionskäufer verlangen. Somit ist
die richtige Antwortmöglichkeit Nummer 8. Doch wie funktioniert
dieses faire Geschäft nun wirklich?
190
Optionsbewertung
191
Mathematik gegen Bankrott
192
Mathematik im menschlichen Körper
Das morgendliche Brückenritual
Oliver Sander
195
Mathematik im menschlichen Körper
Abbildung 1. Ein Knochen als verformbarer Körper. Die durchgezogene Linie zeigt
den Knochen im spannungsfreien Zustand. Wird er belasted, so verformt er sich
(gestrichelte Linie).
eilt die Mathematik zur Hilfe. Wenn man die Kräfte schon nicht
messen kann, vielleicht kann man sie stattdessen ausrechnen?
Das Teilgebiet der Mathematik, das sich mit der Mechanik ver-
formbarer Körper beschäftigt, heißt Kontinuumsmechanik. Eine
Verformung wird dort durch eine Funktion beschrieben, die jedem
Punkt im unverformten Körper eine Position im verformten Kör-
per zuweist. Allerdings entsprechen nicht allen solchen Funktionen
Verformungen, die in der Realität vorkommen. Die, die das tun,
zeichnen sich dadurch aus, dass sie Lösung bestimmter partieller
Differentialgleichungen sind. Um die Verformungen und Kräfte ei-
nes elastischen Körpers auszurechnen muss man also die dazuge-
hörige partielle Differentialgleichung lösen. Damit beschäftigt sich
die Numerik.
Auch das Knie ist ein verformbarer Körper, allerdings stehen die
Dinge hier noch etwas komplizierter. Denn ein Knie besteht ja aus
vielen unterschiedlichen Bestandteilen, die sich alle unterschiedlich
verhalten. So ist z. B. Knochen hart und spröde, Muskelgewebe da-
gegen eher weich. Bänder und Sehnen sind sehr stark gegenüber
Zugbelastung, Knorpel und die Menisken federn Stöße ab. Jeder ein-
196
Das morgendliche Brückenritual
197
Mathematik im menschlichen Körper
a b Neumannien
Dirichland
a b Neumannien
Dirichland
198
Das morgendliche Brückenritual
a b Neumannien
Dirichland
a b Neumannien
Dirichland
199
Mathematik im menschlichen Körper
Antwortmöglichkeiten
1. Ja, das Verfahren wird nach höchstens 96 Schritten mit der rich-
tigen Lösung beendet.
2. Ja, das Verfahren wird nach mindestens 96 Schritten mit der
richtigen Lösung beendet.
3. Das Verfahren wird nie beendet, aber die Position der Brücken
wird immer besser.
4. Das Verfahren wird nie beendet und die Position der Brücken
wird nicht besser.
5. Das Verfahren bricht nie ab, aber falls a > b, so wird die Position
der Brücken immer besser.
6. Das Verfahren bricht nie ab, aber falls c > a + b, so wird die
Position der Brücken immer besser.
7. Das Verfahren wird mit der korrekten Lösung beendet, falls
der Höhenunterschied zwischen den Brückenenden am Anfang
nicht mehr als c beträgt.
8. Das Ritual bricht nie ab, aber die Position der Brücken wird im-
mer besser, falls der Höhenunterschied zwischen den Brücke-
nenden am Anfang mehr als c + a + b beträgt.
9. Falls für die Brückenlänge der korrekten Lösung genau 2 =
( a + b)2 + c2 gilt, wird das Verfahren beendet.
10. Das Verfahren wird nie beendet, aber die Lösung wird immer
besser, wenn beide Brücken am Anfang eine Ausgangslage ha-
ben, die nicht waagerecht ist.
200
Das morgendliche Brückenritual
Lösung
Als erstes sollte man sich klar machen, dass das Verfahren nie ab-
bricht. Das sieht man so: Angenommen der Zyklus ist ein paarmal
durchlaufen worden, und nach Schritt 3 ist auf einmal die korrekte
Lösung erreicht. Das bedeutet, dass vor dem letzten Schritt 3 die
Brücke auf der dirichländischen Seite schon die korrekte Steigung
gehabt haben muss. Überhaupt muss sie die korrekte Position ge-
habt haben. Da sich deren Position aber an der Position der neu-
mannischen Seite der Brücke orientiert, folgt, dass diese wiederum
vorher auch schon die richtige Stellung hatte. Damit sind wir jetzt
einmal im Kreis gelaufen und kommen zu dem Schluss, dass, falls
das Brückenpaar auf einmal die korrekte Stellung einnimmt, es die
gleiche Stellung schon einen Zyklus vorher eingenommen haben
muss. Da diese Schlussfolgerung natürlich auch für den vorheri-
gen Zyklus gilt, folgt, dass beide Brücken schon immer die richtige
Position hatten. Das aber widerspricht unserer Annahme, dass die
Brücken am Morgen nicht in der richtigen Position waren.
Dass numerische Verfahren unendlich lange laufen ist nichts
Ungewöhnliches. Es gibt in der numerischen Mathematik nur sehr
wenige Algorithmen, die ein Problem in einer endlichen Anzahl von
Schritten lösen. Man nennt solche Algorithmen direkt. Unglückli-
cherweise sind sie meistens sehr langsam. Deshalb werden in der
Praxis die iterativen Verfahren fast immer bevorzugt. Man verzich-
tet dabei auf den Anspruch, die exakte Lösung des Problems zu er-
halten. Das ist häufig nicht schlimm, da man sowieso keine exakte
Lösung des Anwendungsproblems erwarten kann. Dies hat unter-
schiedliche Gründe, wie z. B. vereinfachende Annahmen in der ma-
thematischen Formulierung des Problems oder auch banale Run-
dungsfehler, die sich auch auf modernen Rechnern nur mit extre-
mem Aufwand vermeiden lassen. Stattdessen begnügt man sich da-
mit, in einer gewissen Anzahl von Iterationen nah an die exakte
Lösung heranzukommen.
201
Mathematik im menschlichen Körper
r
c
a b Neumannien
Dirichland
a b
Abbildung 4. Zur Definition des Fehlers r. Unten die schematische Darstellung
β
rk
B
b’
C α’
a’ c
rk+1 β’
α
S’
A
a b
Abbildung 5. Hilfszeichung zum Beweis dass rk+1 = b
a · rk
202
Das morgendliche Brückenritual
zeigen dass die Lösung ,immer besser‘ wird, falls a > b ist, müssen
wir uns als erstes ein Maß für den Fehler einer Brückenposition aus-
denken. Ein mögliches Maß ist das folgende: Nach jedem Schritt 2
liegen die beiden Brückenenden aneinander. Als r bezeichnen wir
jetzt den vertikalen, positiven Abstand von dem Punkt, wo sie zu-
sammenstoßen, zu dem Punkt, an dem sie in der exakten Lösung
zusammenstoßen würden. Offensichtlich ist r ein gutes Fehlermaß,
denn r ist immer positiv und genau dann Null, wenn die Lösung
erreicht ist. Überhaupt kann man eine Brückenposition als umso
,besser‘ bezeichnen, je kleiner r ist.
Man nehme jetzt an, dass die in der Aufgabe beschriebene
Schleife k mal durchlaufen worden ist. Den Fehler nach dem k-ten
Durchlauf nennen wir rk . Entsprechend heißt der Fehler nach dem
k + 1-ten Durchlauf rk+1 . Wir werden jetzt zeigen, dass immer
b
r k +1 = ·r
a k
gilt. Dann ist klar, dass r genau dann immer kleiner wird, wenn
a > b, bzw. b/a < 1 ist. Man betrachte also die Abbildung 5.
Dort ist AS die dirichländische Brücke nach Schritt k, und BS ist
die neumannische Brücke nach Schritt k. AS ist die dirichländi-
sche Brücke nach Schritt k + 1 und BS die neumannische Brücke
nach Schritt k + 1. Da die neumannische Brücke immer so einge-
stellt wird, dass sie die gleiche Steigung wie die dirichländische hat
folgt, dass die Strecken AS und S B parallel sind. Damit muss der
Winkel α gleich dem Winkel α sein, und β gleich β . Die Dreiecke
ACS und BCS sind also ähnlich, d. h. man kann das eine durch Ver-
schiebungen, Drehungen, Spiegelungen und Größenänderungen in
das andere verwandeln. Daraus folgt, dass die Strecken S C und CB
im gleichen Verhältnis zueinander stehen wie die Strecken SC und
CA. Es gilt also
r k +1 r
= k
b a
bzw.
b
r k +1 = · r k .
a
203
Mathematik im menschlichen Körper
b
Durch den Strahlensatz weiß man aber, dass a = b
a, und so be-
kommt man wie gewünscht
b
r k +1 = ·r .
a k
204
Die Schokoladen-Diät
Matthias Ehrhardt
205
Mathematik im menschlichen Körper
Frage 1. Was ist die konstante Lösung Ḡ von (4) (für festes λ und
σ)?
Weiterhin ist wichtig, wie stabil sich die Gewichtsfunktion G (t)
dicht an Ḡ verhält, d. h. wie wirken sich kleine Schwankungen g(t)
des Körpergewichts aus. Dazu machen wir den so genannten Stö-
rungsansatz
G (t) = Ḡ + g(t), | g(0)| << Ḡ, (5)
wobei g(0) eine kleine Störung von Ḡ ist und << „viel viel kleiner
als“ bedeutet. Einsetzen des Ansatzes (5) in die DGL (4) ergibt:
3
Ḡ
+ g ( t ) = λ − σ Ḡ + g ( t ) 4
, t≥0
=0
und für die obige Potenz verwenden wir die Reihenentwicklung
3 3 3 g(t)
Ḡ + g(t) 4
= Ḡ 4 + +....
4 Ḡ 14
206
Die Schokoladen-Diät
3 3σ −1
g (t) = λ − σ Ḡ 4 + Ḡ 4 g(t), t ≥ 0,
4
=0
−1
σ 13
Ḡ 4 =
λ
σ1 G (t)
S G (t) = , 0 < α < 1,
1 + σ2 G (t)1−α
207
Mathematik im menschlichen Körper
Antwortmöglichkeiten
4
λ 3
1. Ḡ = σ , lim g(t) = 0,
t→∞
> 0, G > Ḡ,
G (t) =
< 0, 0 < G < Ḡ;
4
3
2. Ḡ = λσ , lim g(t) = 0,
t→∞
< 0, G > Ḡ,
G (t) =
> 0, 0 < G < Ḡ;
4
3
3. Ḡ = λσ , lim g(t) existiert nicht,
t→∞
> 0, G > Ḡ,
G (t) =
< 0, 0 < G < Ḡ;
4
3
4. Ḡ = λσ , lim g(t) = ∞,
t→∞
< 0, G > Ḡ,
G (t) =
> 0, 0 < G < Ḡ;
σ3
5. Ḡ = λ , lim g(t) = 0,
4
t→∞
> 0, G > Ḡ,
G (t) =
< 0, 0 < G < Ḡ;
3
6. Fixpunkt Ḡ = λσ 4 , lim g(t) = 0,
t→∞
< 0, G > Ḡ,
G (t) =
> 0, 0 < G < Ḡ;
σ3
7. Ḡ = λ 4 , lim g(t) existiert nicht,
t→∞
> 0, G > Ḡ,
G (t) =
< 0, 0 < G < Ḡ;
σ3
8. Ḡ = λ 4 , lim g(t) = ∞,
t→∞
208
Die Schokoladen-Diät
< 0, G > Ḡ,
G (t) =
> 0, 0 < G < Ḡ;
9. Teilprobleme sind lösbar, aber nicht eindeutig;
10. Mindestens ein Teilproblem ist nicht lösbar.
209
Mathematik im menschlichen Körper
Lösung
Lösung 3: Vorzeichen der Ableitung von G links/rechts von Ḡ. Man er-
kennt unmittelbar an (4):
< 0, G > Ḡ,
G (t) =
> 0, 0 < G < Ḡ.
Somit kann man folgern, dass alle Lösungen mit zunehmender Zeit
monoton die konstante Lösung Ḡ erreichen, d.h.
Abbildung 1 zeigt typische Lösungen von (4) und illustriert die Rolle
von Ḡ.
Für jeden einzelnen Menschen ist σ > 0 konstant und die Diät-
Strategie ist in diesem mathematischen Modell durch die Wahl ei-
nes (positiven) Wertes für λ bestimmt. Jeder Wert von λ bestimmt
ein finales Körpergewicht Ḡ gegeben durch (7).
210
Die Schokoladen-Diät
G(t)
_
_
G
+
t
Abbildung 1. Typische Lösungen von (4)
Da der Wert von Ḡ als Funktion von λ schneller wächst als eine
lineare Funktion (eine Gerade), zeigt das Modell, dass signifikante
Änderungen in der Diät-Strategie zu sehr großen Änderungen im
finalen Körpergewicht Ḡ führen.
Nehmen wir einmal an, das Individuum strebt nach einem Ge-
wichtsverlust. Ferner sei Ḡ A das Anfangsgewicht und ḠE das ange-
strebte Endgewicht: Ḡ A > ḠE . Aus Gleichung (7) können wir schlie-
ßen, dass daher der Diät-Parameter λ wie folgt reduziert werden
muss:
3 3
λ A = σ Ḡ A4 > λ E = σ ḠE4
211
Mathematik im menschlichen Körper
G(t)
_
GA
_
GE
t0 t
lim G (t) = 0, λ ≤ 0,
t→∞
1. R.E. Mickens, D.N. Brewley und M.L. Russel, A Model of Dieting, SIAM Rev. 40
(1998), Seiten 667–672.
2. R.L. Leibel, M. Rosenbaum und J. Hirsch, Changes in energy expenditure resulting
from altered body weight, The New England Journal of Medicine 332 (1995), Seiten
621–628.
3. T.A. McMahon und J.T. Bonner, On Size and Life, Scientific American Library, New
York, 1985, Seiten 64–66.
212
Von Bakterien und Antibiotika
Alexander Bockmayr und Abdelhalim Larhlimi
213
Mathematik im menschlichen Körper
1
S1 A
2 3 4
D G P1
5
S2 B 7
10
E
6 9
8
11 H P2
S3 C 12
13
S4
Abbildung 1. Metabolisches Netwerk
nem Netzwerk alles passieren kann, sucht man nach den minimalen
Reaktionswegen zur Herstellung eines oder mehrerer Endprodukte.
Unter einem Reaktionsweg versteht man dabei eine nichtleere
Menge von Reaktionen (die nicht unbedingt in der ablaufenden Rei-
henfolge aufgelistet sind) mit den folgenden Eigenschaften:
1. Ein Zwischenprodukt kann nur verwendet werden, wenn es zu-
vor hergestellt wurde. Ein Beispiel: Bei den Reaktionen 2 und
8, die jeweils zwei Zwischenprodukte verwenden, müssen diese
beide vorhanden sein.
2. Ein Zwischenprodukt darf nur hergestellt werden, wenn es in
einer nachfolgenden Reaktion auch verbraucht wird.
Die Reaktion 10 spielt eine Sonderrolle. Innerhalb eines Reakti-
onsweges kann sie in die eine oder die andere Richtung durchlaufen
werden, nicht aber in beide Richtungen gleichzeitig.
Ein Reaktionsweg heißt minimal, wenn man nicht eine oder
mehrere Reaktionen auslassen kann, ohne die Bedingung 1 oder 2
214
Von Bakterien und Antibiotika
Antwortmöglichkeiten
215
Mathematik im menschlichen Körper
216
Von Bakterien und Antibiotika
Lösung
217
Mathematik im menschlichen Körper
4 9
11,12 13 12 13 11,12 13 12 13
1. {1, 7} 6. {3, 8}
2. {1, 8} 7. {10, 7}
3. {2, 7} 8. {10, 8}
4. {2, 8} 9. {5, 6}
5. {3, 7} 10. {5, 11}
218
Das DNA-Puzzle
Stefan Kirchner
Im Jahre 1953 wurde von James Watson und Francis Crick erstma-
lig der strukturelle Aufbau der sogenannten DNA (Desoxyribonukle-
insäure) beschrieben, welche das Erbgut jedes Lebewesens enthält.
Der wesentliche Teil des Erbguts wird dabei durch eine sehr lange
Folge der vier Basen Adenin (A), Cytosin (C), Guanin (G) und Thymin
(T) codiert. Seit einigen Jahren ist es möglich, die Folge der vier Ba-
sen zu einer gegebenen DNA zu bestimmen. Biologen bezeichnen
diesen Vorgang als Sequenzierung.
Die DNA oder auch Teile einer DNA sind aus verschiedenen
Gründen von Interesse. Auf einigen Abschnitten sind zum Beispiel
Gene codiert, deren genaue Sequenz für ein besseres Verständnis
und eine gezielte Behandlung einiger Erbkrankheiten von entschei-
dender Bedeutung ist.
Andere Abschnitte der DNA sind insbesondere für den geneti-
schen Fingerabdruck relevant. Dieser hat in den letzten Jahren die
Kriminalistik revolutioniert und ermöglichte die Aufklärung vieler
schwerer Straftaten.
Für die Sequenzierung der DNA finden sogenannte Sequenzier-
maschinen Verwendung, die in der Lage sind, DNA-Stränge mit ei-
nigen hundert Basen zu lesen. Dies ist jedoch viel zu wenig, um
die komplette DNA in einem Schritt zu lesen. Die DNA eines Men-
schen beispielsweise besteht aus etwa drei Milliarden Basen und
auch die DNA eines der Lieblingsobjekte der Molekularbiologen,
der Taufliegenart Drosophila melanogaster, besteht immerhin noch
aus 120 Millionen Basen.
Dennoch gelang im Rahmen des Humangenomprojekts Anfang
dieses Jahrtausends die vollständige Sequenzierung des menschli-
chen Erbguts. Die Forscher verwendeten dabei ein Mitte der 90er
Jahre entwickeltes Verfahren, das Shotgun-Sequenzierung genannt
219
Mathematik im menschlichen Körper
ACTGGTACAGTGGATGTGTAAGCGAAGCGCGAGTGAAGCCA
ACTGGTACAGTGGATGTGTAAGCGAAGCGCGAGTGAAGCCA
ACTGGTACAGTGGATGTGTAAGCGAAGCGCGAGTGAAGCCA
ACTGGTACAGTGGATGTGTAAGCGAAGCGCGAGTGAAGCCA
ACTGGTACAGTGGATGTGTAAGCGAAGCGCGAGTGAAGCCA
220
Das DNA-Puzzle
???
ACTGGTACAGTGGATGTGTAAGCGAAGCGCGAGTGAAGCCA
sentieren und aus jeweils zwei verschiedenen Kopien der DNA stam-
men.
Mit Hilfe der Wahrscheinlichkeitsrechnung kann dann folgen-
des Resultat gezeigt werden: Werden hinreichend viele Kopien an-
gefertigt und sind im Durchschnitt die Fragmente nicht zu kurz –
aber auch nicht zu lang, so dass sie von den Sequenziermaschinen
komplett gelesen werden können – dann ist die Annahme gerecht-
fertigt, dass gerade das kürzeste Wort, das alle Fragmente als Teil-
wörter enthält, die Ursprungs-DNA ist.
Das Zusammenfügen der Fragmente wird dabei mit Hilfe von
Computern erledigt. Bei mehreren Millionen Fragmenten ist eine
Berechnung per Hand auch nicht mehr möglich. Die folgenden bei-
den Aufgaben haben daher auch nur illustrierenden Charakter, da
ein realistisches Beispiel den Rahmen dieses Buches sprengen wür-
de.
Zunächst kann jedoch das Zusammenfügen der Fragmente auch
abstrakt formuliert werden, ohne dass man dabei etwas über die
DNA wissen müsste. Das ist eine generelle Stärke der Mathematik,
dass sie losgelöst von Anwendungen das eigentliche Problem bear-
beiten kann.
Es sei eine endliche Menge von Wörtern gegeben. Bestimme ein
kürzestes Wort, das jedes gegebene Wort als Teilwort enthält. Be-
trachte das folgende Beispiel, bei dem die folgenden vier Wörter
(Fragmente) von der Sequenziermaschine gelesen wurden.
221
Mathematik im menschlichen Körper
1. TACAGC
2. CAGCG
3. CGTAC
4. ACGT
Gesucht ist nun ein kürzestes Wort, das jedes dieser vier Wörter als
Teilwort enthält. Mit ein wenig Überlegen erhält man als Lösung
das Wort ACGTACAGCG:
ACGTACAGCG
4. ACGT
3. CGTAC
1. TACAGC
2. CAGCG
Nach diesem Beispiel wird nun ein kürzestes Wort gesucht, das die
folgenden sieben Wörter enthält.
Antwortmöglichkeiten
222
Das DNA-Puzzle
Lösung
Die korrekte Antwort lautet daher 12. Wie kann das Problem aber
allgemein gelöst werden?
Zunächst können alle Wörter aus der Aufgabenstellung entfernt
werden, die als Teilwort in einem anderen Wort vorkommen. In die-
sem Beispiel ist CGG das einzige Wort, das als Teilwort in einem
anderen Wort (ACGG) vorkommt.
Der nächste Schritt besteht darin zu erkennen, dass gegenüber
dem einfachen Aneinanderhängen zweier Wörter die Länge sich
verkürzen lässt, wenn ein Endstück von einem Wort genau das An-
fangsstück von einem anderen Wort ist. Die maximale Länge eines
solchen End- bzw. Anfangstückes wird als Überlappungslänge be-
zeichnet. Diese gibt an, wie viele Buchstaben eingespart werden.
In Abbildung 4 ist der dazugehörige Überlappungsgraph abge-
bildet, wobei der Übersicht halber nur Verbindungen (sog. Kanten)
eingezeichnet sind, die eine Überlappungslänge von mindestens 1
haben.
Die Aufgabe wird mit Hilfe des Überlappungsgraphen relativ
einfach, wenn in einem kürzesten Wort zusätzlich die gegebenen
Wörter in einer zuvor festgelegten Reihenfolge σ vorkommen sollen.
Man geht im Überlappungsgraphen in der gegebenen Reihenfolge σ
von Wort zu Wort entlang und addiert die jeweiligen Überlappungs-
223
Mathematik im menschlichen Körper
CGAC 2 ACGG
1 2
2 1 1
1 GTGTG GGTG
3
2 3
2
3
TGAC GTGA
3
längen. Die Summe Sσ ist dann genau die Anzahl Buchstaben, die
man durch das Ineinanderschieben gegenüber dem einfachen An-
einanderhängen einspart.
Das kürzeste Wort bezüglich der gegebenen Reihenfolge σ hat
dann eine Gesamtlänge von
Der Minuend ist konstant (in der Aufgabe ist er 25), aber der Sub-
trahend ist abhängig von der Reihenfolge σ, in der die einzelnen
Wörter vorkommen. Damit die Länge des Gesamtwortes minimiert
wird, muß also Sσ maximiert werden.
Mit ein wenig systematischem Suchen erkennt man, dass die
Reihenfolge σ, die Sσ maximiert, durch die hervorgehobenen Kan-
ten in Abbildung 4 bestimmt wird. Bei dieser Reihenfolge werden
13 Buchstaben gespart (Sσ = 2 + 2 + 3 + 3 + 3 = 13), somit ist
25 − 13 = 12 die Gesamtlänge eines kürzesten Wortes, das die vor-
gegebenen Wörter enthält.
Geht es noch besser als 12? Nein! Am einfachsten erkennt man
das, wenn die Aufgabe ohne GGTG und GTGA gestellt wird. Betrach-
te nun den Überlappungsgraphen ohne diese beiden Wörter, d. h.
entferne die beiden Wörter samt ihrer angrenzenden Kanten. Dann
existieren keine Kanten mehr mit Überlappungslänge drei, es gibt
224
Das DNA-Puzzle
225
Die kalte Zunge
Sören Bartels und Rüdiger Müller
227
Mathematik im menschlichen Körper
Abbildung 1. Die Änderung der Wärmemenge in jedem kleinen Würfel wird durch
die Bilanz des ein- und austretenden Wärmeflusses bestimmt.
pliziert aber dennoch lässt sich mit einfachen Argumenten eine pra-
xistaugliche mathematische Beschreibung formulieren. Betrachten
wir einen kleinen Würfel innerhalb des Metallstabs, so entspricht
die zeitliche Veränderung der Gesamtwärme, die in diesem Würfel
enthalten ist, genau der Wärmemenge, die über die Seiten des Wür-
fels hinein- beziehungsweise hinausfließt. Wenn wir uns jetzt noch
klarmachen, dass Wärme immer von Regionen hoher Temperaturen
in solche niedrigerer Temperaturen fließt, so ist die mathematische
Beschreibung des physikalischen Vorgangs nahezu komplett. Gibt
die Funktion f (t, x ) die Temperatur im Stab an, so führt unsere Ar-
gumentation auf die Gleichung
Hier ist f (t, x ) eine Funktion, die von der Zeit t und dem Ort x ab-
hängt, während κ eine Konstante ist, die die Temperaturleitfähig-
keit eines Materials angibt. Die Funktion f (t, x ) ist die Ableitung
von f (t, x ) nach der Zeit t, wenn wir x als Konstante betrachten. Ist
zum Beispiel
f (t, x ) = t3 cos( x ) + x2 sin(2t),
228
Die kalte Zunge
so ist
f (t, x ) = 3t2 cos( x ) + 2x2 cos(2t) .
und
f (t, x ) = −t3 cos( x ) + 2 sin(2t) .
gilt. Wollen wir beschreiben, dass der Stab an den Enden, die sich
bei x = 0 und x = 1 befinden, immer auf Null Grad gehalten wird,
so stellen wir zusätzlich die Bedingung, dass
für alle positiven Zeiten t gelten. Man kann zeigen, dass die Glei-
chungen (1), (2) und (3) eine gute Beschreibung der tatsächlich auf-
tretenden Temperatur liefern. Doch wie kann man die unbekannte
Funktion f (t, x ) bestimmen? Mit Zettel und Bleistift ist dies in aller
Regel nicht möglich und daher müssen wir den Computer zur Hilfe
heranziehen.
Lösungsmethode für den Computer. Ein Rechner kann uns auf einem
festgelegten Raster von Punkten gute Näherungswerte der Lösung
liefern. Wir wählen dazu für die x-Variable im gleichen Abstand Δx
229
Mathematik im menschlichen Körper
f f’
Δx x j−1 xj x j+1
Δx
x j−1 xj x j+1
Abbildung 2. Näherungen für f ( x j−1 ) und f ( x j ) (links) und daraus resultierende
Näherung für f ( x j ) (rechts)
f ( t n +1 , x ) ≈ 1
Δt ( f (tn+1 , x ) − f (tn , x )) .
Setzen wir die Näherungen in unsere Gleichung (1) ein, so erhalten
wir die rekursive Berechnungsvorschrift
230
Die kalte Zunge
f 0n = 0 und f Jn = 0 .
1
Für den Metallstab gelte κ = 100 . Zum Zeitpunkt t0 = 0 sei er
in der Mitte durch die Zunge aufgewärmt und befinde sich überall
sonst noch auf der Umgebungstemperatur von 0 Grad Celsius. Ab
welchem Zeitpunkt t∗ ist der Stab überall auf weniger als 10 Grad
Celsius abgekühlt? Für eine einfache Abschätzung wählen Sie J +
1
1 = 11 Gitterpunkte im Ort, also Δx = 10 , sowie Δt = 14 und setzen
0 0
f 5 = 36 und f j = 0 für j = 0, 1, . . . , 4 und j = 6, 7, . . . , 10. Wie groß
ist zu diesem Zeitpunkt t∗ die Temperatur f ∗ am Ort x = 0,2?
Hinweis: Der Umfang der Aufgabe ist soweit begrenzt, dass eine
Rechnung von Hand möglich ist. Tragen Sie die Werte f jn für n =
0, 1, . . . und j = 0, 1, . . . , 10 in eine Tabelle ein.
Antwortmöglichkeiten
231
Mathematik im menschlichen Körper
wobei die (partiellen) Ableitungen jetzt für jede Variable in der Form
∂
∂x f anstelle von f geschrieben werden. Der Wärmetransport ist,
wie viele Vorgänge in der Natur, durch das Prinzip der Energiemi-
nimierung bestimmt. Das führt dazu, dass ohne Einfluss von außen
ein energieoptimaler Ausgleichszustand eingenommen wird. In ei-
nem solchen Zustand findet von sich aus keine zeitliche Verände-
∂
rung mehr statt, wodurch die Ableitung ∂t f (t, x, y) den Wert Null
annehmen muss. Oft ist man nur an Ausgleichszuständen interes-
siert und hat dann ein Problem der Form
∂2 ∂2
0= 2
f ( x, y) + 2 f ( x, y) ,
∂x ∂y
232
Die kalte Zunge
233
Mathematik im menschlichen Körper
Lösung
1 1
f 51 = · (0 + 0) + 1 − 2 · 36 = 18,
4 4
da gemäß Anfangsbedingung f 40 = 0, f 60 = 0 und f 50 = 36 gilt. Geht
man so schrittweise vor, erhält man alle Werte f jn und kann diese
übersichtlich in einer Tabelle anordnen (aufgrund der Symmetrie
des Problems gilt stets f 6n = f 4n , f 7n = f 3n , f 8n = f 2n , f 9n = f 1n und
n = f n ):
f 10 0
234
Die kalte Zunge
40
35
t=0
30
25
f(0,x)
20
15
10
0
0 0.2 0.4 0.6 0.8 1
x
40
35
t=1/2
30
25
f(1/2,x)
20
15
10
0
0 0.2 0.4 0.6 0.8 1
x
40
35
t=1
30
25
f(1,x)
20
15
10
0
0 0.2 0.4 0.6 0.8 1
x
40
35
t=3/2
30
25
f(3/2,x)
20
15
10
0
0 0.2 0.4 0.6 0.8 1
x
235
Mathematik auf die Schnelle
Knoten
John M. Sullivan
1 2 3
4 5
239
Mathematik auf die Schnelle
Antwortmöglichkeiten
240
Knoten
Lösung
241
Dachkunst
Ulrich Reitebuch und Christian Schulz
Der Baron, Herr von und zu Dreieck, braucht ein neues Dach für sei-
nen Pferdestall. Nach Absprache mit dem Architekten hat er sich
für das in Abbildung 1 dargestellte sternförmige Design entschie-
den. Beim Entwerfen hat der Baron mehrmals betont, dass die Po-
sitionen der roten und grünen Punkte feststehen. Aufgabe des Ar-
chitekten ist es nun noch, die Höhe des blauen Punktes in der Mitte
zu bestimmen. Herr von und zu Dreieck möchte möglichst wenig
Material zum Dachbau verwenden, d. h. der blaue Punkt soll so ge-
wählt werden, dass die Gesamtfläche des Daches minimal wird. Die
Koordinaten der Punkte sind folgendermaßen gegeben:
– rote Punkte (±1, ±1, 0)
– grüne Punkte (± 12 , 0, 1) und (0, ± 12 , 1)
– blauer Punkt (0, 0, z)
Bestimme die minimale Fläche A des Daches.
Antwortmöglichkeiten
1. A=1 6. A = 1, 8
√ √
2. A=2 2 7. A= 7
√ √
3. A = 32 3 8. A = 17
√ √
4. A = 65 5 9. A = 87 6
√ √
5. A = 116 8 10. A = 119 10
243
Mathematik auf die Schnelle
dieser Randwerte ins Innere soll eine Fläche mit minimalem Flä-
cheninhalt entstehen – eine Minimalfläche. Populäre Beispiele für
solche Flächen sind Seifenhäute. Bei der Lösung solcher Probleme
im Computer muss das Gebiet diskretisiert, d. h. zerlegt, werden.
Hier wird eine Gebietszerlegung durch acht Dreiecke verwendet.
Die z Koordinate des gesuchten Punktes für diese recht grobe Trian-
gulierung liegt höher als die der Randpunkte. Es entsteht eine Flä-
che mit einer Spitze im Inneren, im Gegensatz zu einer Seifenhaut
die sich glatt – spitzenfrei – zwischen diesen Punkten aufspannen
würde. Dieser mögliche Gegensatz zwischen einer diskreten und
244
Dachkunst
245
Mathematik auf die Schnelle
Lösung
Die Fläche eines Dreiecks (begrenzt durch einen roten, grünen und
blauen Punkt) sei gegeben durch A . Es gilt also für die Gesamt-
fläche des Daches ADach (z) = 8A (z). Hier bezeichnet z die Hö-
he des mittleren Punktes. Die Fläche A (z) eines Dreiecks kann
durch das Kreuzprodukt oder durch die Heronformel ermittelt wer-
den. Dies liefert einen Wurzelausdruck mit quadratischem Term als
Radikanden für ADach (z).
Differenzieren und Nullsetzen der Ableitung liefert den Extre-
malwert für z. Nochmaliges Ableiten bestätigt dann den Minimal-
charakter der Lösung.
⎛ 1 ⎞ ⎛
⎞ ⎛ 1 ⎞
2 0 2
(blau zu grün) v = ⎝ 0 ⎠ − ⎝ 0 ⎠ = ⎝ 0 ⎠
1 z 1−z
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 1
(blau zu rot) w = ⎝ 1 ⎠ − ⎝ 0 ⎠ = ⎝ 1 ⎠
0 z −z
⎛ ⎞
z−1
n(z) = v × w = ⎝ 1 − 21 z ⎠
1
2
1 1 1 1
A (z) = n(z) = ( z − 1)2 + (1 − z )2 + ( )2
2 2 2 2
6 6 6√
ADach ( ) = √ = 5
5 5 5
246
Dachkunst
247
102009?
Serhiy Yanchuk und Leonhard Lücken
Antwortmöglichkeiten
7
1. 2009 Millionen 6. 15 Millionen
2. 15 Millionen 7. 7 Millionen
15
3. 7 Millionen 8. 102009 Millionen
√ 1
4. 2 Millionen 9. 15 Million
√
1 1+ 5
5. 7 Million 10. Millionen
2
249
Mathematik auf die Schnelle
Lösung
a1 = 7
a2 = 15
15
a3 = 7
1
a4 = 7
1
a5 = 15
7
a6 = 15
a7 = 7
a8 = 15
Y = 102009 − X,
wobei X die größte Zahl unter 102009 ist, die durch 6 teilbar ist, oh-
ne dass ein Restwert bleibt. Y ist dann der Restwert, der sich nach
der Teilung von 102009 durch 6 ergibt (man sagt, Y ist gleich 102009
„modulo“ 6). Diese Aufspaltung können wir folgendermaßen ma-
chen:
4 = 102009 − 9 · · · 99996
250
102009 ?
In der Tat, die Zahl 9 · · · 99996 ist sowohl durch 2 als auch durch 3
teilbar. Deshalb ist 9 · · · 99996 durch 6 teilbar.
Deshalb wird die Zahl der Geschenke im Jahr 102009 dieselbe
Zahl sein wie im Jahr 4, nämlich 17 Million Geschenke:
1
a102009 = a4 =
7
251
Stichwortverzeichnis
253
Stichwortverzeichnis
254
Stichwortverzeichnis
255
Die Autorinnen und Autoren
257
Die Autorinnen und Autoren
258
Die Autorinnen und Autoren
259
Die Autorinnen und Autoren
260
Die Autorinnen und Autoren
261
Die Autorinnen und Autoren
262
Die Autorinnen und Autoren
263
Die Autorinnen und Autoren
264
Die Autorinnen und Autoren
265